Overview

Brought to you by YData

Dataset statistics

Number of variables54
Number of observations2290
Missing cells0
Missing cells (%)0.0%
Duplicate rows0
Duplicate rows (%)0.0%
Total size in memory12.6 MiB
Average record size in memory5.6 KiB

Variable types

Text23
Categorical9
Boolean21
Numeric1

Alerts

categoria_principal is highly overall correlated with solucionHigh correlation
claridad_valoracion is highly overall correlated with longitud_caracteresHigh correlation
clasificacion_principal is highly overall correlated with contiene_comillas and 4 other fieldsHigh correlation
contiene_comillas is highly overall correlated with clasificacion_principalHigh correlation
contiene_exclamacion is highly overall correlated with uso_mayusculasHigh correlation
contiene_interrogacion is highly overall correlated with clasificacion_principal and 1 other fieldsHigh correlation
contiene_numeros is highly overall correlated with clasificacion_principalHigh correlation
empieza_con_numero is highly overall correlated with clasificacion_principalHigh correlation
longitud_caracteres is highly overall correlated with claridad_valoracion and 1 other fieldsHigh correlation
longitud_valoracion is highly overall correlated with longitud_caracteresHigh correlation
solucion is highly overall correlated with categoria_principalHigh correlation
termina_con_interrogacion is highly overall correlated with clasificacion_principal and 1 other fieldsHigh correlation
uso_mayusculas is highly overall correlated with contiene_exclamacionHigh correlation
claridad_valoracion is highly imbalanced (86.0%) Imbalance
relevancia_valoracion is highly imbalanced (65.8%) Imbalance
palabras_clave_valoracion is highly imbalanced (85.4%) Imbalance
contiene_interrogacion is highly imbalanced (80.7%) Imbalance
contiene_guion is highly imbalanced (90.9%) Imbalance
contiene_exclamacion is highly imbalanced (88.1%) Imbalance
empieza_con_numero is highly imbalanced (75.3%) Imbalance
termina_con_interrogacion is highly imbalanced (88.3%) Imbalance
longitud_valoracion is highly imbalanced (72.0%) Imbalance
uso_mayusculas is highly imbalanced (96.0%) Imbalance
urgencia_temporal is highly imbalanced (59.5%) Imbalance
exclusividad is highly imbalanced (63.6%) Imbalance
beneficio_economico is highly imbalanced (78.1%) Imbalance
prohibicion is highly imbalanced (80.7%) Imbalance
curiosidad is highly imbalanced (63.1%) Imbalance
indignacion is highly imbalanced (64.1%) Imbalance
Headline has unique values Unique
relevancia_comentario has unique values Unique
palabras_clave_comentario has unique values Unique
originalidad_comentario has unique values Unique

Reproduction

Analysis started2025-07-17 18:58:03.651704
Analysis finished2025-07-17 18:58:14.250655
Duration10.6 seconds
Software versionydata-profiling vv4.16.1
Download configurationconfig.json

Variables

Headline
Text

Unique 

Distinct2290
Distinct (%)100.0%
Missing0
Missing (%)0.0%
Memory size591.9 KiB
2025-07-17T18:58:14.447943image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length187
Median length143
Mean length95.726638
Min length11

Characters and Unicode

Total characters219214
Distinct characters110
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique2290 ?
Unique (%)100.0%

Sample

1st rowLa boda del año: Lauren Sánchez, como una estrella de cine, con su segundo look en Venecia
2nd rowLos momentos más románticos de la boda de Alba Redondo y Cristina Monleón en un vídeo inédito
3rd rowLos reyes Felipe y Letizia acuden por sorpresa a un concierto en la plaza Mayor de Madrid
4th rowLa reina Rania de Jordania llega a Venecia y se une a los invitados de la gran boda de Jeff Bezos y Lauren Sánchez
5th rowLaura Corsini, fundadora de Bimani: "Si me miro al espejo y no me reconozco, me cambio"
ValueCountFrequency (%)
de 2915
 
7.6%
la 1397
 
3.6%
y 1137
 
3.0%
en 1010
 
2.6%
el 980
 
2.6%
su 762
 
2.0%
a 746
 
1.9%
que 720
 
1.9%
con 586
 
1.5%
los 497
 
1.3%
Other values (6999) 27549
71.9%
2025-07-17T18:58:14.759887image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
36009
16.4%
a 22415
 
10.2%
e 21583
 
9.8%
o 13971
 
6.4%
s 12607
 
5.8%
n 11725
 
5.3%
r 11590
 
5.3%
i 10637
 
4.9%
l 9644
 
4.4%
d 8623
 
3.9%
Other values (100) 60410
27.6%

Most occurring categories

ValueCountFrequency (%)
(unknown) 219214
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
36009
16.4%
a 22415
 
10.2%
e 21583
 
9.8%
o 13971
 
6.4%
s 12607
 
5.8%
n 11725
 
5.3%
r 11590
 
5.3%
i 10637
 
4.9%
l 9644
 
4.4%
d 8623
 
3.9%
Other values (100) 60410
27.6%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 219214
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
36009
16.4%
a 22415
 
10.2%
e 21583
 
9.8%
o 13971
 
6.4%
s 12607
 
5.8%
n 11725
 
5.3%
r 11590
 
5.3%
i 10637
 
4.9%
l 9644
 
4.4%
d 8623
 
3.9%
Other values (100) 60410
27.6%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 219214
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
36009
16.4%
a 22415
 
10.2%
e 21583
 
9.8%
o 13971
 
6.4%
s 12607
 
5.8%
n 11725
 
5.3%
r 11590
 
5.3%
i 10637
 
4.9%
l 9644
 
4.4%
d 8623
 
3.9%
Other values (100) 60410
27.6%
Distinct2286
Distinct (%)99.8%
Missing0
Missing (%)0.0%
Memory size591.1 KiB
2025-07-17T18:58:14.982789image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length187
Median length143
Mean length95.658079
Min length11

Characters and Unicode

Total characters219057
Distinct characters107
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique2282 ?
Unique (%)99.7%

Sample

1st rowLa boda del año: Lauren Sánchez, como una estrella de cine, con su segundo look en Venecia
2nd rowLos momentos más románticos de la boda de Alba Redondo y Cristina Monleón en un vídeo inédito
3rd rowLos reyes Felipe y Letizia acuden por sorpresa a un concierto en la plaza Mayor de Madrid
4th rowLa reina Rania de Jordania llega a Venecia y se une a los invitados de la gran boda de Jeff Bezos y Lauren Sánchez
5th rowLaura Corsini, fundadora de Bimani: "Si me miro al espejo y no me reconozco, me cambio"
ValueCountFrequency (%)
de 2915
 
7.6%
la 1397
 
3.6%
y 1137
 
3.0%
en 1008
 
2.6%
el 981
 
2.6%
su 762
 
2.0%
a 746
 
1.9%
que 720
 
1.9%
con 586
 
1.5%
los 497
 
1.3%
Other values (6991) 27531
71.9%
2025-07-17T18:58:15.342274image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
35990
16.4%
a 22409
 
10.2%
e 21580
 
9.9%
o 13962
 
6.4%
s 12604
 
5.8%
n 11719
 
5.3%
r 11584
 
5.3%
i 10630
 
4.9%
l 9643
 
4.4%
d 8620
 
3.9%
Other values (97) 60316
27.5%

Most occurring categories

ValueCountFrequency (%)
(unknown) 219057
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
35990
16.4%
a 22409
 
10.2%
e 21580
 
9.9%
o 13962
 
6.4%
s 12604
 
5.8%
n 11719
 
5.3%
r 11584
 
5.3%
i 10630
 
4.9%
l 9643
 
4.4%
d 8620
 
3.9%
Other values (97) 60316
27.5%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 219057
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
35990
16.4%
a 22409
 
10.2%
e 21580
 
9.9%
o 13962
 
6.4%
s 12604
 
5.8%
n 11719
 
5.3%
r 11584
 
5.3%
i 10630
 
4.9%
l 9643
 
4.4%
d 8620
 
3.9%
Other values (97) 60316
27.5%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 219057
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
35990
16.4%
a 22409
 
10.2%
e 21580
 
9.9%
o 13962
 
6.4%
s 12604
 
5.8%
n 11719
 
5.3%
r 11584
 
5.3%
i 10630
 
4.9%
l 9643
 
4.4%
d 8620
 
3.9%
Other values (97) 60316
27.5%

categoria_principal
Categorical

High correlation 

Distinct17
Distinct (%)0.7%
Missing0
Missing (%)0.0%
Memory size172.9 KiB
Entretenimiento y Cultura
1112 
Moda
363 
Salud y Bienestar
203 
Hogar y Estilo de Vida
121 
Noticias y Actualidad
119 
Other values (12)
372 

Length

Max length25
Median length22
Mean length18.051092
Min length4

Characters and Unicode

Total characters41337
Distinct characters36
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique2 ?
Unique (%)0.1%

Sample

1st rowEntretenimiento y Cultura
2nd rowEntretenimiento y Cultura
3rd rowEntretenimiento y Cultura
4th rowEntretenimiento y Cultura
5th rowModa

Common Values

ValueCountFrequency (%)
Entretenimiento y Cultura 1112
48.6%
Moda 363
 
15.9%
Salud y Bienestar 203
 
8.9%
Hogar y Estilo de Vida 121
 
5.3%
Noticias y Actualidad 119
 
5.2%
Belleza 103
 
4.5%
Gastronomía 94
 
4.1%
Viajes 82
 
3.6%
Deportes 34
 
1.5%
Educación y Guías 15
 
0.7%
Other values (7) 44
 
1.9%

Length

2025-07-17T18:58:15.429415image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
y 1593
27.8%
entretenimiento 1112
19.4%
cultura 1112
19.4%
moda 363
 
6.3%
salud 203
 
3.5%
bienestar 203
 
3.5%
hogar 121
 
2.1%
estilo 121
 
2.1%
de 121
 
2.1%
vida 121
 
2.1%
Other values (18) 650
11.4%

Most occurring characters

ValueCountFrequency (%)
t 5139
12.4%
e 4279
10.4%
n 3707
 
9.0%
3430
 
8.3%
i 3197
 
7.7%
a 2956
 
7.2%
r 2688
 
6.5%
u 2589
 
6.3%
o 2119
 
5.1%
l 1781
 
4.3%
Other values (26) 9452
22.9%

Most occurring categories

ValueCountFrequency (%)
(unknown) 41337
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
t 5139
12.4%
e 4279
10.4%
n 3707
 
9.0%
3430
 
8.3%
i 3197
 
7.7%
a 2956
 
7.2%
r 2688
 
6.5%
u 2589
 
6.3%
o 2119
 
5.1%
l 1781
 
4.3%
Other values (26) 9452
22.9%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 41337
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
t 5139
12.4%
e 4279
10.4%
n 3707
 
9.0%
3430
 
8.3%
i 3197
 
7.7%
a 2956
 
7.2%
r 2688
 
6.5%
u 2589
 
6.3%
o 2119
 
5.1%
l 1781
 
4.3%
Other values (26) 9452
22.9%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 41337
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
t 5139
12.4%
e 4279
10.4%
n 3707
 
9.0%
3430
 
8.3%
i 3197
 
7.7%
a 2956
 
7.2%
r 2688
 
6.5%
u 2589
 
6.3%
o 2119
 
5.1%
l 1781
 
4.3%
Other values (26) 9452
22.9%
Distinct91
Distinct (%)4.0%
Missing0
Missing (%)0.0%
Memory size189.5 KiB
2025-07-17T18:58:16.021702image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length29
Median length27
Mean length21.075109
Min length3

Characters and Unicode

Total characters48262
Distinct characters58
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique38 ?
Unique (%)1.7%

Sample

1st rowCelebridades e Influencers
2nd rowCelebridades e Influencers
3rd rowMúsica
4th rowCelebridades e Influencers
5th rowConsejos de Estilo
ValueCountFrequency (%)
e 1103
17.8%
influencers 1030
16.6%
celebridades 1029
16.6%
y 517
 
8.4%
novedades 186
 
3.0%
tendencias 185
 
3.0%
de 162
 
2.6%
consejos 123
 
2.0%
estilo 106
 
1.7%
cuidado 83
 
1.3%
Other values (130) 1667
26.9%
2025-07-17T18:58:16.319917image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
e 8494
17.6%
s 3915
 
8.1%
3901
 
8.1%
n 3375
 
7.0%
d 3261
 
6.8%
r 2866
 
5.9%
a 2802
 
5.8%
l 2755
 
5.7%
i 2727
 
5.7%
c 2040
 
4.2%
Other values (48) 12126
25.1%

Most occurring categories

ValueCountFrequency (%)
(unknown) 48262
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
e 8494
17.6%
s 3915
 
8.1%
3901
 
8.1%
n 3375
 
7.0%
d 3261
 
6.8%
r 2866
 
5.9%
a 2802
 
5.8%
l 2755
 
5.7%
i 2727
 
5.7%
c 2040
 
4.2%
Other values (48) 12126
25.1%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 48262
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
e 8494
17.6%
s 3915
 
8.1%
3901
 
8.1%
n 3375
 
7.0%
d 3261
 
6.8%
r 2866
 
5.9%
a 2802
 
5.8%
l 2755
 
5.7%
i 2727
 
5.7%
c 2040
 
4.2%
Other values (48) 12126
25.1%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 48262
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
e 8494
17.6%
s 3915
 
8.1%
3901
 
8.1%
n 3375
 
7.0%
d 3261
 
6.8%
r 2866
 
5.9%
a 2802
 
5.8%
l 2755
 
5.7%
i 2727
 
5.7%
c 2040
 
4.2%
Other values (48) 12126
25.1%
Distinct156
Distinct (%)6.8%
Missing0
Missing (%)0.0%
Memory size142.4 KiB
2025-07-17T18:58:16.464906image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length31
Median length3
Mean length5.1829694
Min length3

Characters and Unicode

Total characters11869
Distinct characters57
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique101 ?
Unique (%)4.4%

Sample

1st rowN/A
2nd rowN/A
3rd rowN/A
4th rowN/A
5th rowN/A
ValueCountFrequency (%)
n/a 1723
65.2%
street 65
 
2.5%
style 65
 
2.5%
y 44
 
1.7%
principales 31
 
1.2%
productos 31
 
1.2%
platos 31
 
1.2%
nacional 30
 
1.1%
de 27
 
1.0%
guías 26
 
1.0%
Other values (170) 569
 
21.5%
2025-07-17T18:58:16.708064image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
N 1765
14.9%
A 1747
14.7%
/ 1724
14.5%
e 735
 
6.2%
a 610
 
5.1%
s 595
 
5.0%
o 477
 
4.0%
t 460
 
3.9%
i 404
 
3.4%
n 363
 
3.1%
Other values (47) 2989
25.2%

Most occurring categories

ValueCountFrequency (%)
(unknown) 11869
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
N 1765
14.9%
A 1747
14.7%
/ 1724
14.5%
e 735
 
6.2%
a 610
 
5.1%
s 595
 
5.0%
o 477
 
4.0%
t 460
 
3.9%
i 404
 
3.4%
n 363
 
3.1%
Other values (47) 2989
25.2%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 11869
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
N 1765
14.9%
A 1747
14.7%
/ 1724
14.5%
e 735
 
6.2%
a 610
 
5.1%
s 595
 
5.0%
o 477
 
4.0%
t 460
 
3.9%
i 404
 
3.4%
n 363
 
3.1%
Other values (47) 2989
25.2%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 11869
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
N 1765
14.9%
A 1747
14.7%
/ 1724
14.5%
e 735
 
6.2%
a 610
 
5.1%
s 595
 
5.0%
o 477
 
4.0%
t 460
 
3.9%
i 404
 
3.4%
n 363
 
3.1%
Other values (47) 2989
25.2%

claridad_valoracion
Categorical

High correlation  Imbalance 

Distinct3
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size136.6 KiB
Alta
2210 
Media
 
79
Baja
 
1

Length

Max length5
Median length4
Mean length4.0344978
Min length4

Characters and Unicode

Total characters9239
Distinct characters10
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique1 ?
Unique (%)< 0.1%

Sample

1st rowAlta
2nd rowAlta
3rd rowAlta
4th rowAlta
5th rowAlta

Common Values

ValueCountFrequency (%)
Alta 2210
96.5%
Media 79
 
3.4%
Baja 1
 
< 0.1%

Length

2025-07-17T18:58:16.791008image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Histogram of lengths of the category

Common Values (Plot)

2025-07-17T18:58:16.849423image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
ValueCountFrequency (%)
alta 2210
96.5%
media 79
 
3.4%
baja 1
 
< 0.1%

Most occurring characters

ValueCountFrequency (%)
a 2291
24.8%
A 2210
23.9%
l 2210
23.9%
t 2210
23.9%
M 79
 
0.9%
e 79
 
0.9%
d 79
 
0.9%
i 79
 
0.9%
B 1
 
< 0.1%
j 1
 
< 0.1%

Most occurring categories

ValueCountFrequency (%)
(unknown) 9239
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
a 2291
24.8%
A 2210
23.9%
l 2210
23.9%
t 2210
23.9%
M 79
 
0.9%
e 79
 
0.9%
d 79
 
0.9%
i 79
 
0.9%
B 1
 
< 0.1%
j 1
 
< 0.1%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 9239
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
a 2291
24.8%
A 2210
23.9%
l 2210
23.9%
t 2210
23.9%
M 79
 
0.9%
e 79
 
0.9%
d 79
 
0.9%
i 79
 
0.9%
B 1
 
< 0.1%
j 1
 
< 0.1%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 9239
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
a 2291
24.8%
A 2210
23.9%
l 2210
23.9%
t 2210
23.9%
M 79
 
0.9%
e 79
 
0.9%
d 79
 
0.9%
i 79
 
0.9%
B 1
 
< 0.1%
j 1
 
< 0.1%
Distinct2126
Distinct (%)92.8%
Missing0
Missing (%)0.0%
Memory size623.7 KiB
2025-07-17T18:58:17.045397image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length225
Median length158
Mean length104.61747
Min length28

Characters and Unicode

Total characters239574
Distinct characters90
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique2076 ?
Unique (%)90.7%

Sample

1st rowEl mensaje es directo y fácil de entender, identificando a la protagonista y el evento.
2nd rowEl titular es directo y fácil de entender, describe claramente el contenido (momentos románticos, boda, personas, vídeo inédito).
3rd rowEl mensaje es claro y directo, indica quién, qué y dónde.
4th rowEl mensaje es directo y fácil de entender, indicando claramente los sujetos y el evento principal.
5th rowEl mensaje es directo y la cita es fácil de entender, transmitiendo una filosofía personal clara.
ValueCountFrequency (%)
el 3708
 
9.4%
y 3383
 
8.5%
de 2675
 
6.7%
es 2168
 
5.5%
directo 1576
 
4.0%
mensaje 1457
 
3.7%
fácil 1330
 
3.4%
entender 1229
 
3.1%
la 1221
 
3.1%
principal 1081
 
2.7%
Other values (2683) 19820
50.0%
2025-07-17T18:58:17.362601image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
37358
15.6%
e 27483
11.5%
a 19120
 
8.0%
n 15417
 
6.4%
i 14793
 
6.2%
l 13502
 
5.6%
c 12874
 
5.4%
r 12656
 
5.3%
o 12132
 
5.1%
t 11164
 
4.7%
Other values (80) 63075
26.3%

Most occurring categories

ValueCountFrequency (%)
(unknown) 239574
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
37358
15.6%
e 27483
11.5%
a 19120
 
8.0%
n 15417
 
6.4%
i 14793
 
6.2%
l 13502
 
5.6%
c 12874
 
5.4%
r 12656
 
5.3%
o 12132
 
5.1%
t 11164
 
4.7%
Other values (80) 63075
26.3%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 239574
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
37358
15.6%
e 27483
11.5%
a 19120
 
8.0%
n 15417
 
6.4%
i 14793
 
6.2%
l 13502
 
5.6%
c 12874
 
5.4%
r 12656
 
5.3%
o 12132
 
5.1%
t 11164
 
4.7%
Other values (80) 63075
26.3%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 239574
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
37358
15.6%
e 27483
11.5%
a 19120
 
8.0%
n 15417
 
6.4%
i 14793
 
6.2%
l 13502
 
5.6%
c 12874
 
5.4%
r 12656
 
5.3%
o 12132
 
5.1%
t 11164
 
4.7%
Other values (80) 63075
26.3%

relevancia_valoracion
Categorical

Imbalance 

Distinct3
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size136.8 KiB
Alta
2013 
Media
274 
Baja
 
3

Length

Max length5
Median length4
Mean length4.1196507
Min length4

Characters and Unicode

Total characters9434
Distinct characters10
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st rowAlta
2nd rowAlta
3rd rowAlta
4th rowAlta
5th rowAlta

Common Values

ValueCountFrequency (%)
Alta 2013
87.9%
Media 274
 
12.0%
Baja 3
 
0.1%

Length

2025-07-17T18:58:17.441290image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Histogram of lengths of the category

Common Values (Plot)

2025-07-17T18:58:17.492608image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
ValueCountFrequency (%)
alta 2013
87.9%
media 274
 
12.0%
baja 3
 
0.1%

Most occurring characters

ValueCountFrequency (%)
a 2293
24.3%
A 2013
21.3%
l 2013
21.3%
t 2013
21.3%
M 274
 
2.9%
e 274
 
2.9%
d 274
 
2.9%
i 274
 
2.9%
B 3
 
< 0.1%
j 3
 
< 0.1%

Most occurring categories

ValueCountFrequency (%)
(unknown) 9434
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
a 2293
24.3%
A 2013
21.3%
l 2013
21.3%
t 2013
21.3%
M 274
 
2.9%
e 274
 
2.9%
d 274
 
2.9%
i 274
 
2.9%
B 3
 
< 0.1%
j 3
 
< 0.1%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 9434
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
a 2293
24.3%
A 2013
21.3%
l 2013
21.3%
t 2013
21.3%
M 274
 
2.9%
e 274
 
2.9%
d 274
 
2.9%
i 274
 
2.9%
B 3
 
< 0.1%
j 3
 
< 0.1%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 9434
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
a 2293
24.3%
A 2013
21.3%
l 2013
21.3%
t 2013
21.3%
M 274
 
2.9%
e 274
 
2.9%
d 274
 
2.9%
i 274
 
2.9%
B 3
 
< 0.1%
j 3
 
< 0.1%
Distinct2290
Distinct (%)100.0%
Missing0
Missing (%)0.0%
Memory size764.4 KiB
2025-07-17T18:58:17.678773image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length297
Median length191
Mean length130.6821
Min length49

Characters and Unicode

Total characters299262
Distinct characters88
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique2290 ?
Unique (%)100.0%

Sample

1st rowEl titular aborda un evento de alto interés mediático (boda de celebridad) y utiliza la expresión 'del año' para resaltar su importancia.
2nd rowLas bodas de figuras públicas, especialmente si hay contenido 'inédito', generan un alto interés de audiencia y son temas recurrentes en la prensa del corazón y entretenimiento.
3rd rowLa presencia de la realeza en un evento público siempre genera interés y es actual.
4th rowEl titular involucra figuras públicas de alto perfil (reina, magnate tecnológico) y un evento social de gran interés, lo que lo hace muy relevante y actual.
5th rowLa figura de Laura Corsini y su marca Bimani son relevantes en el ámbito de la moda. El tema de la autoidentificación y el estilo personal es perenne y de alto interés.
ValueCountFrequency (%)
de 4124
 
8.4%
y 2601
 
5.3%
interés 1995
 
4.1%
la 1944
 
4.0%
el 1803
 
3.7%
un 1697
 
3.5%
una 1192
 
2.4%
es 1182
 
2.4%
tema 1149
 
2.3%
en 1051
 
2.1%
Other values (3016) 30259
61.8%
2025-07-17T18:58:18.024463image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
46707
15.6%
e 35951
12.0%
a 30821
 
10.3%
n 21141
 
7.1%
i 16331
 
5.5%
r 15143
 
5.1%
o 14670
 
4.9%
l 14241
 
4.8%
s 13266
 
4.4%
t 13058
 
4.4%
Other values (78) 77933
26.0%

Most occurring categories

ValueCountFrequency (%)
(unknown) 299262
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
46707
15.6%
e 35951
12.0%
a 30821
 
10.3%
n 21141
 
7.1%
i 16331
 
5.5%
r 15143
 
5.1%
o 14670
 
4.9%
l 14241
 
4.8%
s 13266
 
4.4%
t 13058
 
4.4%
Other values (78) 77933
26.0%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 299262
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
46707
15.6%
e 35951
12.0%
a 30821
 
10.3%
n 21141
 
7.1%
i 16331
 
5.5%
r 15143
 
5.1%
o 14670
 
4.9%
l 14241
 
4.8%
s 13266
 
4.4%
t 13058
 
4.4%
Other values (78) 77933
26.0%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 299262
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
46707
15.6%
e 35951
12.0%
a 30821
 
10.3%
n 21141
 
7.1%
i 16331
 
5.5%
r 15143
 
5.1%
o 14670
 
4.9%
l 14241
 
4.8%
s 13266
 
4.4%
t 13058
 
4.4%
Other values (78) 77933
26.0%

palabras_clave_valoracion
Categorical

Imbalance 

Distinct3
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size136.6 KiB
Alta
2209 
Media
 
77
Baja
 
4

Length

Max length5
Median length4
Mean length4.0336245
Min length4

Characters and Unicode

Total characters9237
Distinct characters10
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st rowAlta
2nd rowAlta
3rd rowAlta
4th rowAlta
5th rowAlta

Common Values

ValueCountFrequency (%)
Alta 2209
96.5%
Media 77
 
3.4%
Baja 4
 
0.2%

Length

2025-07-17T18:58:18.112518image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Histogram of lengths of the category

Common Values (Plot)

2025-07-17T18:58:18.165783image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
ValueCountFrequency (%)
alta 2209
96.5%
media 77
 
3.4%
baja 4
 
0.2%

Most occurring characters

ValueCountFrequency (%)
a 2294
24.8%
A 2209
23.9%
l 2209
23.9%
t 2209
23.9%
M 77
 
0.8%
e 77
 
0.8%
d 77
 
0.8%
i 77
 
0.8%
B 4
 
< 0.1%
j 4
 
< 0.1%

Most occurring categories

ValueCountFrequency (%)
(unknown) 9237
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
a 2294
24.8%
A 2209
23.9%
l 2209
23.9%
t 2209
23.9%
M 77
 
0.8%
e 77
 
0.8%
d 77
 
0.8%
i 77
 
0.8%
B 4
 
< 0.1%
j 4
 
< 0.1%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 9237
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
a 2294
24.8%
A 2209
23.9%
l 2209
23.9%
t 2209
23.9%
M 77
 
0.8%
e 77
 
0.8%
d 77
 
0.8%
i 77
 
0.8%
B 4
 
< 0.1%
j 4
 
< 0.1%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 9237
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
a 2294
24.8%
A 2209
23.9%
l 2209
23.9%
t 2209
23.9%
M 77
 
0.8%
e 77
 
0.8%
d 77
 
0.8%
i 77
 
0.8%
B 4
 
< 0.1%
j 4
 
< 0.1%
Distinct2290
Distinct (%)100.0%
Missing0
Missing (%)0.0%
Memory size779.2 KiB
2025-07-17T18:58:18.337199image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length273
Median length199
Mean length142.44716
Min length72

Characters and Unicode

Total characters326204
Distinct characters98
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique2290 ?
Unique (%)100.0%

Sample

1st rowContiene palabras clave relevantes como 'boda', 'Lauren Sánchez', 'estrella de cine', 'look' y 'Venecia', que son buscadas por la audiencia interesada en celebridades y moda.
2nd rowIncluye nombres de personas ('Alba Redondo', 'Cristina Monleón'), 'boda', 'románticos' y 'vídeo inédito', todas son palabras clave muy relevantes para el tema que probablemente buscaría la audiencia.
3rd rowIncluye 'reyes Felipe y Letizia', 'concierto', 'plaza Mayor de Madrid', que son términos clave para la búsqueda y el interés.
4th rowIncluye palabras clave fuertes como 'reina Rania de Jordania', 'Jeff Bezos', 'Lauren Sánchez', 'boda' y 'Venecia', que son altamente buscables y relevantes para el público interesado en noticias de celebridades.
5th rowContiene el nombre de una figura pública ('Laura Corsini') y una marca reconocida ('Bimani'), que son palabras clave atractivas para la audiencia interesada en moda y emprendimiento.
ValueCountFrequency (%)
y 3257
 
7.0%
de 2622
 
5.6%
clave 1684
 
3.6%
que 1468
 
3.2%
como 1395
 
3.0%
palabras 1354
 
2.9%
la 1152
 
2.5%
utiliza 1132
 
2.4%
relevantes 1126
 
2.4%
son 1083
 
2.3%
Other values (4653) 30153
64.9%
2025-07-17T18:58:18.660588image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
44136
13.5%
a 33146
 
10.2%
e 30828
 
9.5%
o 18991
 
5.8%
s 17572
 
5.4%
i 16715
 
5.1%
n 15836
 
4.9%
r 15623
 
4.8%
l 15130
 
4.6%
t 12504
 
3.8%
Other values (88) 105723
32.4%

Most occurring categories

ValueCountFrequency (%)
(unknown) 326204
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
44136
13.5%
a 33146
 
10.2%
e 30828
 
9.5%
o 18991
 
5.8%
s 17572
 
5.4%
i 16715
 
5.1%
n 15836
 
4.9%
r 15623
 
4.8%
l 15130
 
4.6%
t 12504
 
3.8%
Other values (88) 105723
32.4%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 326204
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
44136
13.5%
a 33146
 
10.2%
e 30828
 
9.5%
o 18991
 
5.8%
s 17572
 
5.4%
i 16715
 
5.1%
n 15836
 
4.9%
r 15623
 
4.8%
l 15130
 
4.6%
t 12504
 
3.8%
Other values (88) 105723
32.4%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 326204
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
44136
13.5%
a 33146
 
10.2%
e 30828
 
9.5%
o 18991
 
5.8%
s 17572
 
5.4%
i 16715
 
5.1%
n 15836
 
4.9%
r 15623
 
4.8%
l 15130
 
4.6%
t 12504
 
3.8%
Other values (88) 105723
32.4%
Distinct3
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size138.2 KiB
Media
1661 
Alta
518 
Baja
 
111

Length

Max length5
Median length5
Mean length4.7253275
Min length4

Characters and Unicode

Total characters10821
Distinct characters10
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st rowMedia
2nd rowMedia
3rd rowMedia
4th rowMedia
5th rowAlta

Common Values

ValueCountFrequency (%)
Media 1661
72.5%
Alta 518
 
22.6%
Baja 111
 
4.8%

Length

2025-07-17T18:58:18.742708image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Histogram of lengths of the category

Common Values (Plot)

2025-07-17T18:58:18.810284image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
ValueCountFrequency (%)
media 1661
72.5%
alta 518
 
22.6%
baja 111
 
4.8%

Most occurring characters

ValueCountFrequency (%)
a 2401
22.2%
M 1661
15.3%
e 1661
15.3%
d 1661
15.3%
i 1661
15.3%
A 518
 
4.8%
l 518
 
4.8%
t 518
 
4.8%
B 111
 
1.0%
j 111
 
1.0%

Most occurring categories

ValueCountFrequency (%)
(unknown) 10821
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
a 2401
22.2%
M 1661
15.3%
e 1661
15.3%
d 1661
15.3%
i 1661
15.3%
A 518
 
4.8%
l 518
 
4.8%
t 518
 
4.8%
B 111
 
1.0%
j 111
 
1.0%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 10821
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
a 2401
22.2%
M 1661
15.3%
e 1661
15.3%
d 1661
15.3%
i 1661
15.3%
A 518
 
4.8%
l 518
 
4.8%
t 518
 
4.8%
B 111
 
1.0%
j 111
 
1.0%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 10821
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
a 2401
22.2%
M 1661
15.3%
e 1661
15.3%
d 1661
15.3%
i 1661
15.3%
A 518
 
4.8%
l 518
 
4.8%
t 518
 
4.8%
B 111
 
1.0%
j 111
 
1.0%
Distinct2290
Distinct (%)100.0%
Missing0
Missing (%)0.0%
Memory size836.9 KiB
2025-07-17T18:58:18.982629image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length277
Median length202
Mean length144.79127
Min length69

Characters and Unicode

Total characters331572
Distinct characters98
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique2290 ?
Unique (%)100.0%

Sample

1st rowAunque la frase 'la boda del año' es común, la descripción 'como una estrella de cine' y el detalle del 'segundo look en Venecia' le dan un ángulo más específico y atractivo.
2nd rowAunque las bodas de famosos son comunes, el detalle de 'vídeo inédito' le da un toque de exclusividad que lo diferencia de un simple reportaje de boda.
3rd rowEl elemento 'por sorpresa' añade un toque de originalidad, pero el evento en sí es un tipo de noticia habitual.
4th rowEl contenido (los personajes y el evento específico) es original, pero la estructura del titular es una declaración informativa estándar. Se destaca por los nombres mencionados más que por una formulación innovadora.
5th rowLa inclusión de una cita personal y reflexiva de una fundadora de marca otorga un ángulo único y diferenciador, alejado de titulares genéricos.
ValueCountFrequency (%)
de 4194
 
7.7%
la 3037
 
5.6%
un 2628
 
4.8%
y 2181
 
4.0%
el 2133
 
3.9%
es 2059
 
3.8%
ángulo 1221
 
2.2%
le 1198
 
2.2%
común 1095
 
2.0%
aunque 1076
 
2.0%
Other values (4200) 33861
61.9%
2025-07-17T18:58:19.292082image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
52393
15.8%
e 35960
 
10.8%
a 26413
 
8.0%
n 21233
 
6.4%
o 20469
 
6.2%
i 19022
 
5.7%
r 15803
 
4.8%
l 15399
 
4.6%
c 15013
 
4.5%
s 14253
 
4.3%
Other values (88) 95614
28.8%

Most occurring categories

ValueCountFrequency (%)
(unknown) 331572
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
52393
15.8%
e 35960
 
10.8%
a 26413
 
8.0%
n 21233
 
6.4%
o 20469
 
6.2%
i 19022
 
5.7%
r 15803
 
4.8%
l 15399
 
4.6%
c 15013
 
4.5%
s 14253
 
4.3%
Other values (88) 95614
28.8%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 331572
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
52393
15.8%
e 35960
 
10.8%
a 26413
 
8.0%
n 21233
 
6.4%
o 20469
 
6.2%
i 19022
 
5.7%
r 15803
 
4.8%
l 15399
 
4.6%
c 15013
 
4.5%
s 14253
 
4.3%
Other values (88) 95614
28.8%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 331572
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
52393
15.8%
e 35960
 
10.8%
a 26413
 
8.0%
n 21233
 
6.4%
o 20469
 
6.2%
i 19022
 
5.7%
r 15803
 
4.8%
l 15399
 
4.6%
c 15013
 
4.5%
s 14253
 
4.3%
Other values (88) 95614
28.8%

contiene_numeros
Boolean

High correlation 

Distinct2
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size2.4 KiB
False
1648 
True
642 
ValueCountFrequency (%)
False 1648
72.0%
True 642
 
28.0%
2025-07-17T18:58:19.353828image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

contiene_comillas
Boolean

High correlation 

Distinct2
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size2.4 KiB
False
1603 
True
687 
ValueCountFrequency (%)
False 1603
70.0%
True 687
30.0%
2025-07-17T18:58:19.396074image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

contiene_interrogacion
Boolean

High correlation  Imbalance 

Distinct2
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size2.4 KiB
False
2222 
True
 
68
ValueCountFrequency (%)
False 2222
97.0%
True 68
 
3.0%
2025-07-17T18:58:19.429792image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Distinct2
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size2.4 KiB
True
1155 
False
1135 
ValueCountFrequency (%)
True 1155
50.4%
False 1135
49.6%
2025-07-17T18:58:19.459428image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

contiene_guion
Categorical

Imbalance 

Distinct3
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size138.7 KiB
FALSE
2244 
TRUE
 
45
 
1

Length

Max length5
Median length5
Mean length4.9781659
Min length0

Characters and Unicode

Total characters11400
Distinct characters8
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique1 ?
Unique (%)< 0.1%

Sample

1st rowFALSE
2nd rowFALSE
3rd rowFALSE
4th rowFALSE
5th rowFALSE

Common Values

ValueCountFrequency (%)
FALSE 2244
98.0%
TRUE 45
 
2.0%
1
 
< 0.1%

Length

2025-07-17T18:58:19.513620image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Histogram of lengths of the category

Common Values (Plot)

2025-07-17T18:58:19.560370image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
ValueCountFrequency (%)
false 2244
98.0%
true 45
 
2.0%

Most occurring characters

ValueCountFrequency (%)
E 2289
20.1%
F 2244
19.7%
L 2244
19.7%
A 2244
19.7%
S 2244
19.7%
T 45
 
0.4%
R 45
 
0.4%
U 45
 
0.4%

Most occurring categories

ValueCountFrequency (%)
(unknown) 11400
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
E 2289
20.1%
F 2244
19.7%
L 2244
19.7%
A 2244
19.7%
S 2244
19.7%
T 45
 
0.4%
R 45
 
0.4%
U 45
 
0.4%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 11400
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
E 2289
20.1%
F 2244
19.7%
L 2244
19.7%
A 2244
19.7%
S 2244
19.7%
T 45
 
0.4%
R 45
 
0.4%
U 45
 
0.4%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 11400
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
E 2289
20.1%
F 2244
19.7%
L 2244
19.7%
A 2244
19.7%
S 2244
19.7%
T 45
 
0.4%
R 45
 
0.4%
U 45
 
0.4%

contiene_exclamacion
Boolean

High correlation  Imbalance 

Distinct2
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size2.4 KiB
False
2253 
True
 
37
ValueCountFrequency (%)
False 2253
98.4%
True 37
 
1.6%
2025-07-17T18:58:19.593996image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

empieza_con_numero
Boolean

High correlation  Imbalance 

Distinct2
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size2.4 KiB
False
2196 
True
 
94
ValueCountFrequency (%)
False 2196
95.9%
True 94
 
4.1%
2025-07-17T18:58:19.623453image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

termina_con_interrogacion
Boolean

High correlation  Imbalance 

Distinct2
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size2.4 KiB
False
2254 
True
 
36
ValueCountFrequency (%)
False 2254
98.4%
True 36
 
1.6%
2025-07-17T18:58:19.664343image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

longitud_valoracion
Categorical

High correlation  Imbalance 

Distinct3
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size150.5 KiB
Adecuada
2086 
Demasiado larga, riesgo de corte
 
201
Algo corta, podría faltar contexto
 
3

Length

Max length34
Median length8
Mean length10.140611
Min length8

Characters and Unicode

Total characters23222
Distinct characters22
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st rowAdecuada
2nd rowAdecuada
3rd rowAdecuada
4th rowAdecuada
5th rowAdecuada

Common Values

ValueCountFrequency (%)
Adecuada 2086
91.1%
Demasiado larga, riesgo de corte 201
 
8.8%
Algo corta, podría faltar contexto 3
 
0.1%

Length

2025-07-17T18:58:19.716701image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Histogram of lengths of the category

Common Values (Plot)

2025-07-17T18:58:19.762142image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
ValueCountFrequency (%)
adecuada 2086
67.2%
demasiado 201
 
6.5%
larga 201
 
6.5%
riesgo 201
 
6.5%
de 201
 
6.5%
corte 201
 
6.5%
algo 3
 
0.1%
corta 3
 
0.1%
podría 3
 
0.1%
faltar 3
 
0.1%

Most occurring characters

ValueCountFrequency (%)
a 4988
21.5%
d 4577
19.7%
e 2893
12.5%
c 2293
9.9%
A 2089
9.0%
u 2086
9.0%
816
 
3.5%
o 618
 
2.7%
r 612
 
2.6%
g 405
 
1.7%
Other values (12) 1845
 
7.9%

Most occurring categories

ValueCountFrequency (%)
(unknown) 23222
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
a 4988
21.5%
d 4577
19.7%
e 2893
12.5%
c 2293
9.9%
A 2089
9.0%
u 2086
9.0%
816
 
3.5%
o 618
 
2.7%
r 612
 
2.6%
g 405
 
1.7%
Other values (12) 1845
 
7.9%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 23222
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
a 4988
21.5%
d 4577
19.7%
e 2893
12.5%
c 2293
9.9%
A 2089
9.0%
u 2086
9.0%
816
 
3.5%
o 618
 
2.7%
r 612
 
2.6%
g 405
 
1.7%
Other values (12) 1845
 
7.9%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 23222
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
a 4988
21.5%
d 4577
19.7%
e 2893
12.5%
c 2293
9.9%
A 2089
9.0%
u 2086
9.0%
816
 
3.5%
o 618
 
2.7%
r 612
 
2.6%
g 405
 
1.7%
Other values (12) 1845
 
7.9%

longitud_caracteres
Real number (ℝ)

High correlation 

Distinct130
Distinct (%)5.7%
Missing0
Missing (%)0.0%
Infinite0
Infinite (%)0.0%
Mean89.758079
Minimum11
Maximum195
Zeros0
Zeros (%)0.0%
Negative0
Negative (%)0.0%
Memory size18.0 KiB
2025-07-17T18:58:20.144503image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Quantile statistics

Minimum11
5-th percentile59
Q176
median88
Q3101
95-th percentile127
Maximum195
Range184
Interquartile range (IQR)25

Descriptive statistics

Standard deviation21.135833
Coefficient of variation (CV)0.23547555
Kurtosis1.6547144
Mean89.758079
Median Absolute Deviation (MAD)13
Skewness0.73540069
Sum205546
Variance446.72345
MonotonicityNot monotonic
2025-07-17T18:58:20.241523image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Histogram with fixed size bins (bins=50)
ValueCountFrequency (%)
79 86
 
3.8%
95 81
 
3.5%
88 80
 
3.5%
78 67
 
2.9%
70 63
 
2.8%
85 63
 
2.8%
69 61
 
2.7%
75 55
 
2.4%
92 53
 
2.3%
91 52
 
2.3%
Other values (120) 1629
71.1%
ValueCountFrequency (%)
11 1
< 0.1%
13 1
< 0.1%
24 1
< 0.1%
30 1
< 0.1%
31 1
< 0.1%
34 1
< 0.1%
35 2
0.1%
37 1
< 0.1%
38 1
< 0.1%
39 2
0.1%
ValueCountFrequency (%)
195 1
 
< 0.1%
191 1
 
< 0.1%
189 1
 
< 0.1%
181 1
 
< 0.1%
177 1
 
< 0.1%
176 1
 
< 0.1%
172 2
0.1%
167 3
0.1%
164 1
 
< 0.1%
162 1
 
< 0.1%

uso_mayusculas
Categorical

High correlation  Imbalance 

Distinct35
Distinct (%)1.5%
Missing0
Missing (%)0.0%
Memory size136.1 KiB
No
2252 
Sí, 'FASHION', uso justificado
 
2
Sí, 'HOLA', uso justificado
 
2
Sí, 'VIP', uso justificado para resaltar el estatus de los invitados.
 
2
Sí, '¡Viva España!', busca impacto
 
2
Other values (30)
 
30

Length

Max length87
Median length2
Mean length2.6689956
Min length2

Characters and Unicode

Total characters6112
Distinct characters55
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique30 ?
Unique (%)1.3%

Sample

1st rowNo
2nd rowNo
3rd rowNo
4th rowNo
5th rowNo

Common Values

ValueCountFrequency (%)
No 2252
98.3%
Sí, 'FASHION', uso justificado 2
 
0.1%
Sí, 'HOLA', uso justificado 2
 
0.1%
Sí, 'VIP', uso justificado para resaltar el estatus de los invitados. 2
 
0.1%
Sí, '¡Viva España!', busca impacto 2
 
0.1%
Sí, 'VS', busca impacto 1
 
< 0.1%
Sí, '¡HOLA!', uso justificado por ser el nombre de la marca/publicación. 1
 
< 0.1%
Sí, 'Amazon Prime Day', uso justificado 1
 
< 0.1%
Sí, 'LEFTIES', busca impacto 1
 
< 0.1%
Sí, 'La isla de las tentaciones', uso justificado 1
 
< 0.1%
Other values (25) 25
 
1.1%

Length

2025-07-17T18:58:20.329690image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
no 2252
89.8%
38
 
1.5%
uso 23
 
0.9%
justificado 22
 
0.9%
impacto 15
 
0.6%
busca 15
 
0.6%
de 10
 
0.4%
hola 9
 
0.4%
el 8
 
0.3%
ser 7
 
0.3%
Other values (64) 109
 
4.3%

Most occurring characters

ValueCountFrequency (%)
o 2352
38.5%
N 2257
36.9%
218
 
3.6%
a 114
 
1.9%
s 94
 
1.5%
' 80
 
1.3%
i 80
 
1.3%
, 78
 
1.3%
c 72
 
1.2%
u 71
 
1.2%
Other values (45) 696
 
11.4%

Most occurring categories

ValueCountFrequency (%)
(unknown) 6112
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
o 2352
38.5%
N 2257
36.9%
218
 
3.6%
a 114
 
1.9%
s 94
 
1.5%
' 80
 
1.3%
i 80
 
1.3%
, 78
 
1.3%
c 72
 
1.2%
u 71
 
1.2%
Other values (45) 696
 
11.4%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 6112
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
o 2352
38.5%
N 2257
36.9%
218
 
3.6%
a 114
 
1.9%
s 94
 
1.5%
' 80
 
1.3%
i 80
 
1.3%
, 78
 
1.3%
c 72
 
1.2%
u 71
 
1.2%
Other values (45) 696
 
11.4%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 6112
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
o 2352
38.5%
N 2257
36.9%
218
 
3.6%
a 114
 
1.9%
s 94
 
1.5%
' 80
 
1.3%
i 80
 
1.3%
, 78
 
1.3%
c 72
 
1.2%
u 71
 
1.2%
Other values (45) 696
 
11.4%

clasificacion_principal
Categorical

High correlation 

Distinct29
Distinct (%)1.3%
Missing0
Missing (%)0.0%
Memory size193.6 KiB
Declarativo Simple
997 
Cita Directa
368 
Misterio/Revelación
141 
Lista/Numerado ('5 formas')
 
94
Lista/Numerado
 
93
Other values (24)
597 

Length

Max length43
Median length41
Mean length19.077729
Min length5

Characters and Unicode

Total characters43688
Distinct characters45
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique5 ?
Unique (%)0.2%

Sample

1st rowSuperlativo
2nd rowDeclarativo Simple
3rd rowDeclarativo Simple
4th rowDeclarativo Simple
5th rowCita Directa

Common Values

ValueCountFrequency (%)
Declarativo Simple 997
43.5%
Cita Directa 368
 
16.1%
Misterio/Revelación 141
 
6.2%
Lista/Numerado ('5 formas') 94
 
4.1%
Lista/Numerado 93
 
4.1%
Atribución ('según', 'revela') 86
 
3.8%
Misterio/Revelación ('secreto', 'verdad') 71
 
3.1%
Superlativo 63
 
2.8%
Pregunta Directa 56
 
2.4%
Superlativo ('mejor', 'peor') 54
 
2.4%
Other values (19) 267
 
11.7%

Length

2025-07-17T18:58:20.424475image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
declarativo 999
21.2%
simple 997
21.2%
cita 435
9.2%
directa 426
9.1%
misterio/revelación 212
 
4.5%
lista/numerado 190
 
4.0%
revela 132
 
2.8%
según 132
 
2.8%
superlativo 117
 
2.5%
secreto 114
 
2.4%
Other values (26) 951
20.2%

Most occurring characters

ValueCountFrequency (%)
e 4587
 
10.5%
i 4374
 
10.0%
a 4321
 
9.9%
r 2950
 
6.8%
t 2909
 
6.7%
l 2533
 
5.8%
2415
 
5.5%
c 2075
 
4.7%
o 1959
 
4.5%
v 1672
 
3.8%
Other values (35) 13893
31.8%

Most occurring categories

ValueCountFrequency (%)
(unknown) 43688
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
e 4587
 
10.5%
i 4374
 
10.0%
a 4321
 
9.9%
r 2950
 
6.8%
t 2909
 
6.7%
l 2533
 
5.8%
2415
 
5.5%
c 2075
 
4.7%
o 1959
 
4.5%
v 1672
 
3.8%
Other values (35) 13893
31.8%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 43688
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
e 4587
 
10.5%
i 4374
 
10.0%
a 4321
 
9.9%
r 2950
 
6.8%
t 2909
 
6.7%
l 2533
 
5.8%
2415
 
5.5%
c 2075
 
4.7%
o 1959
 
4.5%
v 1672
 
3.8%
Other values (35) 13893
31.8%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 43688
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
e 4587
 
10.5%
i 4374
 
10.0%
a 4321
 
9.9%
r 2950
 
6.8%
t 2909
 
6.7%
l 2533
 
5.8%
2415
 
5.5%
c 2075
 
4.7%
o 1959
 
4.5%
v 1672
 
3.8%
Other values (35) 13893
31.8%
Distinct2286
Distinct (%)99.8%
Missing0
Missing (%)0.0%
Memory size727.0 KiB
2025-07-17T18:58:20.642307image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length262
Median length195
Mean length131.65153
Min length50

Characters and Unicode

Total characters301482
Distinct characters95
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique2283 ?
Unique (%)99.7%

Sample

1st rowSe clasifica como Superlativo por el uso de la expresión 'del año', que enfatiza la magnitud o importancia del evento.
2nd rowEl titular presenta una afirmación directa sobre un evento, sin preguntas, comparaciones, ni elementos de lista, ni atribuciones específicas. Es una declaración clara de lo que se va a encontrar.
3rd rowDeclara un evento concreto y la participación de los reyes de forma directa y sin artificios.
4th rowEl titular presenta una afirmación directa sobre la llegada de la reina Rania a Venecia para la boda de Jeff Bezos y Lauren Sánchez, sin elementos de pregunta, lista o exclamación.
5th rowEl titular presenta una cita textual de Laura Corsini, identificando claramente al autor de la misma.
ValueCountFrequency (%)
el 2787
 
5.9%
de 2757
 
5.8%
una 2146
 
4.5%
titular 2108
 
4.5%
un 1748
 
3.7%
y 1422
 
3.0%
la 1272
 
2.7%
directa 1030
 
2.2%
o 982
 
2.1%
que 872
 
1.8%
Other values (3283) 30137
63.8%
2025-07-17T18:58:20.982725image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
44971
14.9%
a 29197
 
9.7%
e 28198
 
9.4%
i 19351
 
6.4%
n 18528
 
6.1%
r 18131
 
6.0%
t 17323
 
5.7%
o 16230
 
5.4%
l 14856
 
4.9%
c 14307
 
4.7%
Other values (85) 80390
26.7%

Most occurring categories

ValueCountFrequency (%)
(unknown) 301482
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
44971
14.9%
a 29197
 
9.7%
e 28198
 
9.4%
i 19351
 
6.4%
n 18528
 
6.1%
r 18131
 
6.0%
t 17323
 
5.7%
o 16230
 
5.4%
l 14856
 
4.9%
c 14307
 
4.7%
Other values (85) 80390
26.7%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 301482
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
44971
14.9%
a 29197
 
9.7%
e 28198
 
9.4%
i 19351
 
6.4%
n 18528
 
6.1%
r 18131
 
6.0%
t 17323
 
5.7%
o 16230
 
5.4%
l 14856
 
4.9%
c 14307
 
4.7%
Other values (85) 80390
26.7%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 301482
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
44971
14.9%
a 29197
 
9.7%
e 28198
 
9.4%
i 19351
 
6.4%
n 18528
 
6.1%
r 18131
 
6.0%
t 17323
 
5.7%
o 16230
 
5.4%
l 14856
 
4.9%
c 14307
 
4.7%
Other values (85) 80390
26.7%

urgencia_temporal
Boolean

Imbalance 

Distinct2
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size2.4 KiB
False
2105 
True
 
185
ValueCountFrequency (%)
False 2105
91.9%
True 185
 
8.1%
2025-07-17T18:58:21.046075image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Distinct82
Distinct (%)3.6%
Missing0
Missing (%)0.0%
Memory size135.6 KiB
2025-07-17T18:58:21.219011image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length48
Median length2
Mean length2.8694323
Min length2

Characters and Unicode

Total characters6571
Distinct characters49
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique56 ?
Unique (%)2.4%

Sample

1st row[]
2nd row[]
3rd row[]
4th row[]
5th row[]
ValueCountFrequency (%)
2105
87.3%
ya 29
 
1.2%
de 24
 
1.0%
verano 20
 
0.8%
ahora 16
 
0.7%
urgente 11
 
0.5%
fin 11
 
0.5%
semana 11
 
0.5%
este 10
 
0.4%
hoy 10
 
0.4%
Other values (88) 165
 
6.8%
2025-07-17T18:58:21.593987image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
[ 2290
34.9%
] 2290
34.9%
" 404
 
6.1%
a 198
 
3.0%
e 174
 
2.6%
o 127
 
1.9%
n 124
 
1.9%
122
 
1.9%
t 102
 
1.6%
r 95
 
1.4%
Other values (39) 645
 
9.8%

Most occurring categories

ValueCountFrequency (%)
(unknown) 6571
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
[ 2290
34.9%
] 2290
34.9%
" 404
 
6.1%
a 198
 
3.0%
e 174
 
2.6%
o 127
 
1.9%
n 124
 
1.9%
122
 
1.9%
t 102
 
1.6%
r 95
 
1.4%
Other values (39) 645
 
9.8%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 6571
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
[ 2290
34.9%
] 2290
34.9%
" 404
 
6.1%
a 198
 
3.0%
e 174
 
2.6%
o 127
 
1.9%
n 124
 
1.9%
122
 
1.9%
t 102
 
1.6%
r 95
 
1.4%
Other values (39) 645
 
9.8%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 6571
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
[ 2290
34.9%
] 2290
34.9%
" 404
 
6.1%
a 198
 
3.0%
e 174
 
2.6%
o 127
 
1.9%
n 124
 
1.9%
122
 
1.9%
t 102
 
1.6%
r 95
 
1.4%
Other values (39) 645
 
9.8%

exclusividad
Boolean

Imbalance 

Distinct2
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size2.4 KiB
False
2131 
True
 
159
ValueCountFrequency (%)
False 2131
93.1%
True 159
 
6.9%
2025-07-17T18:58:21.672759image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Distinct98
Distinct (%)4.3%
Missing0
Missing (%)0.0%
Memory size136.0 KiB
2025-07-17T18:58:21.846730image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length50
Median length2
Mean length2.8790393
Min length2

Characters and Unicode

Total characters6593
Distinct characters49
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique76 ?
Unique (%)3.3%

Sample

1st row[]
2nd row["inédito"]
3rd row[]
4th row[]
5th row[]
ValueCountFrequency (%)
2131
90.3%
solo 14
 
0.6%
primera 14
 
0.6%
único 10
 
0.4%
nunca 8
 
0.3%
inéditas 7
 
0.3%
dentro 7
 
0.3%
vez 6
 
0.3%
original 5
 
0.2%
desde 5
 
0.2%
Other values (112) 153
 
6.5%
2025-07-17T18:58:22.220864image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
[ 2290
34.7%
] 2290
34.7%
" 376
 
5.7%
e 157
 
2.4%
o 150
 
2.3%
a 150
 
2.3%
i 138
 
2.1%
s 136
 
2.1%
n 103
 
1.6%
r 100
 
1.5%
Other values (39) 703
 
10.7%

Most occurring categories

ValueCountFrequency (%)
(unknown) 6593
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
[ 2290
34.7%
] 2290
34.7%
" 376
 
5.7%
e 157
 
2.4%
o 150
 
2.3%
a 150
 
2.3%
i 138
 
2.1%
s 136
 
2.1%
n 103
 
1.6%
r 100
 
1.5%
Other values (39) 703
 
10.7%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 6593
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
[ 2290
34.7%
] 2290
34.7%
" 376
 
5.7%
e 157
 
2.4%
o 150
 
2.3%
a 150
 
2.3%
i 138
 
2.1%
s 136
 
2.1%
n 103
 
1.6%
r 100
 
1.5%
Other values (39) 703
 
10.7%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 6593
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
[ 2290
34.7%
] 2290
34.7%
" 376
 
5.7%
e 157
 
2.4%
o 150
 
2.3%
a 150
 
2.3%
i 138
 
2.1%
s 136
 
2.1%
n 103
 
1.6%
r 100
 
1.5%
Other values (39) 703
 
10.7%

autoridad
Boolean

Distinct2
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size2.4 KiB
False
1864 
True
426 
ValueCountFrequency (%)
False 1864
81.4%
True 426
 
18.6%
2025-07-17T18:58:22.310972image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Distinct267
Distinct (%)11.7%
Missing0
Missing (%)0.0%
Memory size144.2 KiB
2025-07-17T18:58:22.497737image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length60
Median length2
Mean length4.9480349
Min length2

Characters and Unicode

Total characters11331
Distinct characters69
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique216 ?
Unique (%)9.4%

Sample

1st row[]
2nd row[]
3rd row[]
4th row["reina"]
5th row["fundadora"]
ValueCountFrequency (%)
1864
74.1%
de 29
 
1.2%
experta 29
 
1.2%
expertos 15
 
0.6%
rey 13
 
0.5%
nutricionista 11
 
0.4%
experto 9
 
0.4%
confirma 9
 
0.4%
desvela 9
 
0.4%
revela 9
 
0.4%
Other values (362) 520
 
20.7%
2025-07-17T18:58:22.805174image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
[ 2290
20.2%
] 2290
20.2%
" 1070
9.4%
e 634
 
5.6%
a 600
 
5.3%
i 449
 
4.0%
r 439
 
3.9%
o 424
 
3.7%
t 301
 
2.7%
n 293
 
2.6%
Other values (59) 2541
22.4%

Most occurring categories

ValueCountFrequency (%)
(unknown) 11331
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
[ 2290
20.2%
] 2290
20.2%
" 1070
9.4%
e 634
 
5.6%
a 600
 
5.3%
i 449
 
4.0%
r 439
 
3.9%
o 424
 
3.7%
t 301
 
2.7%
n 293
 
2.6%
Other values (59) 2541
22.4%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 11331
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
[ 2290
20.2%
] 2290
20.2%
" 1070
9.4%
e 634
 
5.6%
a 600
 
5.3%
i 449
 
4.0%
r 439
 
3.9%
o 424
 
3.7%
t 301
 
2.7%
n 293
 
2.6%
Other values (59) 2541
22.4%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 11331
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
[ 2290
20.2%
] 2290
20.2%
" 1070
9.4%
e 634
 
5.6%
a 600
 
5.3%
i 449
 
4.0%
r 439
 
3.9%
o 424
 
3.7%
t 301
 
2.7%
n 293
 
2.6%
Other values (59) 2541
22.4%

solucion
Boolean

High correlation 

Distinct2
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size2.4 KiB
False
1862 
True
428 
ValueCountFrequency (%)
False 1862
81.3%
True 428
 
18.7%
2025-07-17T18:58:22.866281image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Distinct351
Distinct (%)15.3%
Missing0
Missing (%)0.0%
Memory size144.7 KiB
2025-07-17T18:58:23.043414image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length72
Median length2
Mean length5.1973799
Min length2

Characters and Unicode

Total characters11902
Distinct characters53
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique306 ?
Unique (%)13.4%

Sample

1st row[]
2nd row[]
3rd row[]
4th row[]
5th row[]
ValueCountFrequency (%)
1862
72.5%
el 13
 
0.5%
a 11
 
0.4%
claves 10
 
0.4%
de 10
 
0.4%
para 10
 
0.4%
cómo 10
 
0.4%
perfecto 9
 
0.4%
perfecta 7
 
0.3%
planes 6
 
0.2%
Other values (446) 622
 
24.2%
2025-07-17T18:58:23.342469image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
[ 2290
19.2%
] 2290
19.2%
" 1204
10.1%
e 682
 
5.7%
a 675
 
5.7%
r 542
 
4.6%
o 412
 
3.5%
i 396
 
3.3%
c 385
 
3.2%
s 375
 
3.2%
Other values (43) 2651
22.3%

Most occurring categories

ValueCountFrequency (%)
(unknown) 11902
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
[ 2290
19.2%
] 2290
19.2%
" 1204
10.1%
e 682
 
5.7%
a 675
 
5.7%
r 542
 
4.6%
o 412
 
3.5%
i 396
 
3.3%
c 385
 
3.2%
s 375
 
3.2%
Other values (43) 2651
22.3%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 11902
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
[ 2290
19.2%
] 2290
19.2%
" 1204
10.1%
e 682
 
5.7%
a 675
 
5.7%
r 542
 
4.6%
o 412
 
3.5%
i 396
 
3.3%
c 385
 
3.2%
s 375
 
3.2%
Other values (43) 2651
22.3%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 11902
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
[ 2290
19.2%
] 2290
19.2%
" 1204
10.1%
e 682
 
5.7%
a 675
 
5.7%
r 542
 
4.6%
o 412
 
3.5%
i 396
 
3.3%
c 385
 
3.2%
s 375
 
3.2%
Other values (43) 2651
22.3%

beneficio_economico
Boolean

Imbalance 

Distinct2
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size2.4 KiB
False
2210 
True
 
80
ValueCountFrequency (%)
False 2210
96.5%
True 80
 
3.5%
2025-07-17T18:58:23.399479image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Distinct71
Distinct (%)3.1%
Missing0
Missing (%)0.0%
Memory size134.2 KiB
2025-07-17T18:58:23.549412image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length49
Median length2
Mean length2.5611354
Min length2

Characters and Unicode

Total characters5865
Distinct characters46
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique65 ?
Unique (%)2.8%

Sample

1st row[]
2nd row[]
3rd row[]
4th row[]
5th row[]
ValueCountFrequency (%)
2210
93.5%
de 13
 
0.6%
euros 7
 
0.3%
rebajas 6
 
0.3%
descuento 6
 
0.3%
millones 6
 
0.3%
menos 6
 
0.3%
sin 5
 
0.2%
ofertas 3
 
0.1%
la 3
 
0.1%
Other values (95) 98
 
4.1%
2025-07-17T18:58:23.808716image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
[ 2290
39.0%
] 2290
39.0%
" 210
 
3.6%
e 115
 
2.0%
a 97
 
1.7%
s 96
 
1.6%
o 96
 
1.6%
r 85
 
1.4%
73
 
1.2%
n 51
 
0.9%
Other values (36) 462
 
7.9%

Most occurring categories

ValueCountFrequency (%)
(unknown) 5865
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
[ 2290
39.0%
] 2290
39.0%
" 210
 
3.6%
e 115
 
2.0%
a 97
 
1.7%
s 96
 
1.6%
o 96
 
1.6%
r 85
 
1.4%
73
 
1.2%
n 51
 
0.9%
Other values (36) 462
 
7.9%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 5865
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
[ 2290
39.0%
] 2290
39.0%
" 210
 
3.6%
e 115
 
2.0%
a 97
 
1.7%
s 96
 
1.6%
o 96
 
1.6%
r 85
 
1.4%
73
 
1.2%
n 51
 
0.9%
Other values (36) 462
 
7.9%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 5865
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
[ 2290
39.0%
] 2290
39.0%
" 210
 
3.6%
e 115
 
2.0%
a 97
 
1.7%
s 96
 
1.6%
o 96
 
1.6%
r 85
 
1.4%
73
 
1.2%
n 51
 
0.9%
Other values (36) 462
 
7.9%

prohibicion
Boolean

Imbalance 

Distinct2
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size2.4 KiB
False
2222 
True
 
68
ValueCountFrequency (%)
False 2222
97.0%
True 68
 
3.0%
2025-07-17T18:58:23.867080image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Distinct58
Distinct (%)2.5%
Missing0
Missing (%)0.0%
Memory size133.5 KiB
2025-07-17T18:58:24.024561image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length41
Median length2
Mean length2.4510917
Min length2

Characters and Unicode

Total characters5613
Distinct characters36
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique49 ?
Unique (%)2.1%

Sample

1st row[]
2nd row[]
3rd row[]
4th row[]
5th row[]
ValueCountFrequency (%)
2222
92.9%
no 38
 
1.6%
ni 12
 
0.5%
puedes 6
 
0.3%
te 5
 
0.2%
sin 5
 
0.2%
evitar 3
 
0.1%
se 3
 
0.1%
ni","ni 3
 
0.1%
nunca 3
 
0.1%
Other values (85) 93
 
3.9%
2025-07-17T18:58:24.293895image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
[ 2290
40.8%
] 2290
40.8%
" 146
 
2.6%
e 111
 
2.0%
103
 
1.8%
o 76
 
1.4%
s 71
 
1.3%
n 69
 
1.2%
a 67
 
1.2%
r 57
 
1.0%
Other values (26) 333
 
5.9%

Most occurring categories

ValueCountFrequency (%)
(unknown) 5613
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
[ 2290
40.8%
] 2290
40.8%
" 146
 
2.6%
e 111
 
2.0%
103
 
1.8%
o 76
 
1.4%
s 71
 
1.3%
n 69
 
1.2%
a 67
 
1.2%
r 57
 
1.0%
Other values (26) 333
 
5.9%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 5613
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
[ 2290
40.8%
] 2290
40.8%
" 146
 
2.6%
e 111
 
2.0%
103
 
1.8%
o 76
 
1.4%
s 71
 
1.3%
n 69
 
1.2%
a 67
 
1.2%
r 57
 
1.0%
Other values (26) 333
 
5.9%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 5613
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
[ 2290
40.8%
] 2290
40.8%
" 146
 
2.6%
e 111
 
2.0%
103
 
1.8%
o 76
 
1.4%
s 71
 
1.3%
n 69
 
1.2%
a 67
 
1.2%
r 57
 
1.0%
Other values (26) 333
 
5.9%
Distinct2
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size2.4 KiB
False
1638 
True
652 
ValueCountFrequency (%)
False 1638
71.5%
True 652
 
28.5%
2025-07-17T18:58:24.355351image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Distinct339
Distinct (%)14.8%
Missing0
Missing (%)0.0%
Memory size150.5 KiB
2025-07-17T18:58:24.487625image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length76
Median length2
Mean length6.1554585
Min length2

Characters and Unicode

Total characters14096
Distinct characters72
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique259 ?
Unique (%)11.3%

Sample

1st row[]
2nd row[]
3rd row["Madrid"]
4th row["Jordania","Venecia"]
5th row[]
ValueCountFrequency (%)
1638
61.8%
madrid 53
 
2.0%
reina 27
 
1.0%
españa 26
 
1.0%
de 23
 
0.9%
letizia 18
 
0.7%
suecia 15
 
0.6%
sevilla 14
 
0.5%
rey 13
 
0.5%
felipe 13
 
0.5%
Other values (438) 811
30.6%
2025-07-17T18:58:24.764898image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
[ 2290
16.2%
] 2290
16.2%
" 1652
11.7%
a 1184
 
8.4%
e 654
 
4.6%
i 544
 
3.9%
r 538
 
3.8%
o 473
 
3.4%
n 421
 
3.0%
l 419
 
3.0%
Other values (62) 3631
25.8%

Most occurring categories

ValueCountFrequency (%)
(unknown) 14096
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
[ 2290
16.2%
] 2290
16.2%
" 1652
11.7%
a 1184
 
8.4%
e 654
 
4.6%
i 544
 
3.9%
r 538
 
3.8%
o 473
 
3.4%
n 421
 
3.0%
l 419
 
3.0%
Other values (62) 3631
25.8%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 14096
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
[ 2290
16.2%
] 2290
16.2%
" 1652
11.7%
a 1184
 
8.4%
e 654
 
4.6%
i 544
 
3.9%
r 538
 
3.8%
o 473
 
3.4%
n 421
 
3.0%
l 419
 
3.0%
Other values (62) 3631
25.8%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 14096
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
[ 2290
16.2%
] 2290
16.2%
" 1652
11.7%
a 1184
 
8.4%
e 654
 
4.6%
i 544
 
3.9%
r 538
 
3.8%
o 473
 
3.4%
n 421
 
3.0%
l 419
 
3.0%
Other values (62) 3631
25.8%
Distinct2
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size2.4 KiB
False
1659 
True
631 
ValueCountFrequency (%)
False 1659
72.4%
True 631
 
27.6%
2025-07-17T18:58:24.821629image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Distinct415
Distinct (%)18.1%
Missing0
Missing (%)0.0%
Memory size149.8 KiB
2025-07-17T18:58:25.053204image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length79
Median length2
Mean length6.8768559
Min length2

Characters and Unicode

Total characters15748
Distinct characters82
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique344 ?
Unique (%)15.0%

Sample

1st row["Lauren Sánchez"]
2nd row[]
3rd row[]
4th row["Jeff Bezos","Lauren Sánchez"]
5th row["Bimani"]
ValueCountFrequency (%)
1662
56.8%
supervivientes 36
 
1.2%
de 34
 
1.2%
zara 33
 
1.1%
el 26
 
0.9%
la 18
 
0.6%
jeff 15
 
0.5%
real 15
 
0.5%
¡hola 13
 
0.4%
bezos","lauren 13
 
0.4%
Other values (692) 1061
36.3%
2025-07-17T18:58:25.411670image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
[ 2290
14.5%
] 2290
14.5%
" 1670
 
10.6%
a 995
 
6.3%
e 869
 
5.5%
636
 
4.0%
i 601
 
3.8%
r 595
 
3.8%
o 519
 
3.3%
n 506
 
3.2%
Other values (72) 4777
30.3%

Most occurring categories

ValueCountFrequency (%)
(unknown) 15748
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
[ 2290
14.5%
] 2290
14.5%
" 1670
 
10.6%
a 995
 
6.3%
e 869
 
5.5%
636
 
4.0%
i 601
 
3.8%
r 595
 
3.8%
o 519
 
3.3%
n 506
 
3.2%
Other values (72) 4777
30.3%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 15748
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
[ 2290
14.5%
] 2290
14.5%
" 1670
 
10.6%
a 995
 
6.3%
e 869
 
5.5%
636
 
4.0%
i 601
 
3.8%
r 595
 
3.8%
o 519
 
3.3%
n 506
 
3.2%
Other values (72) 4777
30.3%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 15748
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
[ 2290
14.5%
] 2290
14.5%
" 1670
 
10.6%
a 995
 
6.3%
e 869
 
5.5%
636
 
4.0%
i 601
 
3.8%
r 595
 
3.8%
o 519
 
3.3%
n 506
 
3.2%
Other values (72) 4777
30.3%

curiosidad
Boolean

Imbalance 

Distinct2
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size2.4 KiB
True
2128 
False
 
162
ValueCountFrequency (%)
True 2128
92.9%
False 162
 
7.1%
2025-07-17T18:58:25.476620image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Distinct2124
Distinct (%)92.8%
Missing0
Missing (%)0.0%
Memory size671.4 KiB
2025-07-17T18:58:25.708495image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length268
Median length183
Mean length111.20568
Min length0

Characters and Unicode

Total characters254661
Distinct characters103
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique2118 ?
Unique (%)92.5%

Sample

1st rowLa descripción 'como una estrella de cine' y la mención del 'segundo look' generan interés y deseo de saber más sobre su apariencia.
2nd rowEl término 'vídeo inédito' genera curiosidad sobre qué momentos se revelarán y por qué no se habían visto antes.
3rd rowpor sorpresa
4th rowLa mención de 'gran boda' y la participación de figuras de alto perfil como la reina Rania junto a Jeff Bezos y Lauren Sánchez, genera interés en los detalles del evento y otros invitados.
5th rowLa frase 'Si me miro al espejo y no me reconozco, me cambio' genera curiosidad sobre el contexto y la filosofía personal detrás de la fundadora de una marca de moda.
ValueCountFrequency (%)
de 2939
 
6.9%
la 2423
 
5.7%
el 1667
 
3.9%
y 1619
 
3.8%
genera 1175
 
2.7%
un 1101
 
2.6%
a 947
 
2.2%
sobre 862
 
2.0%
información 859
 
2.0%
que 728
 
1.7%
Other values (4499) 28523
66.6%
2025-07-17T18:58:26.115933image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
40715
16.0%
e 25914
 
10.2%
a 23673
 
9.3%
r 15572
 
6.1%
n 15001
 
5.9%
o 14973
 
5.9%
i 14034
 
5.5%
s 14025
 
5.5%
l 10987
 
4.3%
c 10869
 
4.3%
Other values (93) 68898
27.1%

Most occurring categories

ValueCountFrequency (%)
(unknown) 254661
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
40715
16.0%
e 25914
 
10.2%
a 23673
 
9.3%
r 15572
 
6.1%
n 15001
 
5.9%
o 14973
 
5.9%
i 14034
 
5.5%
s 14025
 
5.5%
l 10987
 
4.3%
c 10869
 
4.3%
Other values (93) 68898
27.1%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 254661
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
40715
16.0%
e 25914
 
10.2%
a 23673
 
9.3%
r 15572
 
6.1%
n 15001
 
5.9%
o 14973
 
5.9%
i 14034
 
5.5%
s 14025
 
5.5%
l 10987
 
4.3%
c 10869
 
4.3%
Other values (93) 68898
27.1%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 254661
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
40715
16.0%
e 25914
 
10.2%
a 23673
 
9.3%
r 15572
 
6.1%
n 15001
 
5.9%
o 14973
 
5.9%
i 14034
 
5.5%
s 14025
 
5.5%
l 10987
 
4.3%
c 10869
 
4.3%
Other values (93) 68898
27.1%

miedo
Boolean

Distinct2
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size2.4 KiB
False
1987 
True
303 
ValueCountFrequency (%)
False 1987
86.8%
True 303
 
13.2%
2025-07-17T18:58:26.184035image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Distinct303
Distinct (%)13.2%
Missing0
Missing (%)0.0%
Memory size192.9 KiB
2025-07-17T18:58:26.435581image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length203
Median length0
Mean length13.220961
Min length0

Characters and Unicode

Total characters30276
Distinct characters77
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique301 ?
Unique (%)13.1%

Sample

1st row
2nd row
3rd row
4th row
5th row
ValueCountFrequency (%)
la 332
 
6.9%
de 307
 
6.4%
preocupación 210
 
4.4%
y 189
 
4.0%
el 137
 
2.9%
una 110
 
2.3%
a 104
 
2.2%
un 99
 
2.1%
que 85
 
1.8%
por 81
 
1.7%
Other values (1089) 3127
65.4%
2025-07-17T18:58:27.227870image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
4478
14.8%
e 3238
 
10.7%
a 3017
 
10.0%
n 1810
 
6.0%
o 1807
 
6.0%
r 1735
 
5.7%
i 1536
 
5.1%
c 1349
 
4.5%
s 1345
 
4.4%
l 1204
 
4.0%
Other values (67) 8757
28.9%

Most occurring categories

ValueCountFrequency (%)
(unknown) 30276
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
4478
14.8%
e 3238
 
10.7%
a 3017
 
10.0%
n 1810
 
6.0%
o 1807
 
6.0%
r 1735
 
5.7%
i 1536
 
5.1%
c 1349
 
4.5%
s 1345
 
4.4%
l 1204
 
4.0%
Other values (67) 8757
28.9%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 30276
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
4478
14.8%
e 3238
 
10.7%
a 3017
 
10.0%
n 1810
 
6.0%
o 1807
 
6.0%
r 1735
 
5.7%
i 1536
 
5.1%
c 1349
 
4.5%
s 1345
 
4.4%
l 1204
 
4.0%
Other values (67) 8757
28.9%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 30276
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
4478
14.8%
e 3238
 
10.7%
a 3017
 
10.0%
n 1810
 
6.0%
o 1807
 
6.0%
r 1735
 
5.7%
i 1536
 
5.1%
c 1349
 
4.5%
s 1345
 
4.4%
l 1204
 
4.0%
Other values (67) 8757
28.9%

sorpresa
Boolean

Distinct2
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size2.4 KiB
False
1455 
True
835 
ValueCountFrequency (%)
False 1455
63.5%
True 835
36.5%
2025-07-17T18:58:27.299447image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Distinct827
Distinct (%)36.1%
Missing0
Missing (%)0.0%
Memory size291.0 KiB
2025-07-17T18:58:27.527003image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length217
Median length0
Mean length35.98821
Min length0

Characters and Unicode

Total characters82413
Distinct characters92
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique821 ?
Unique (%)35.9%

Sample

1st row
2nd row
3rd rowpor sorpresa
4th rowLa presencia de la reina Rania de Jordania en la boda de un magnate tecnológico como Jeff Bezos puede generar asombro o sorpresa debido a la inusual mezcla de la realeza y el mundo empresarial de alto nivel.
5th row
ValueCountFrequency (%)
de 962
 
7.2%
la 880
 
6.6%
y 531
 
4.0%
un 423
 
3.2%
el 385
 
2.9%
una 317
 
2.4%
asombro 304
 
2.3%
puede 278
 
2.1%
generar 245
 
1.8%
que 238
 
1.8%
Other values (2404) 8787
65.8%
2025-07-17T18:58:27.895449image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
12515
15.2%
e 9322
11.3%
a 8467
 
10.3%
o 5276
 
6.4%
r 5251
 
6.4%
n 5035
 
6.1%
s 4184
 
5.1%
i 3902
 
4.7%
d 3439
 
4.2%
l 2928
 
3.6%
Other values (82) 22094
26.8%

Most occurring categories

ValueCountFrequency (%)
(unknown) 82413
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
12515
15.2%
e 9322
11.3%
a 8467
 
10.3%
o 5276
 
6.4%
r 5251
 
6.4%
n 5035
 
6.1%
s 4184
 
5.1%
i 3902
 
4.7%
d 3439
 
4.2%
l 2928
 
3.6%
Other values (82) 22094
26.8%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 82413
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
12515
15.2%
e 9322
11.3%
a 8467
 
10.3%
o 5276
 
6.4%
r 5251
 
6.4%
n 5035
 
6.1%
s 4184
 
5.1%
i 3902
 
4.7%
d 3439
 
4.2%
l 2928
 
3.6%
Other values (82) 22094
26.8%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 82413
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
12515
15.2%
e 9322
11.3%
a 8467
 
10.3%
o 5276
 
6.4%
r 5251
 
6.4%
n 5035
 
6.1%
s 4184
 
5.1%
i 3902
 
4.7%
d 3439
 
4.2%
l 2928
 
3.6%
Other values (82) 22094
26.8%

indignacion
Boolean

Imbalance 

Distinct2
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size2.4 KiB
False
2134 
True
 
156
ValueCountFrequency (%)
False 2134
93.2%
True 156
 
6.8%
2025-07-17T18:58:27.961261image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Distinct158
Distinct (%)6.9%
Missing0
Missing (%)0.0%
Memory size165.8 KiB
2025-07-17T18:58:28.187798image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length188
Median length0
Mean length7.9484716
Min length0

Characters and Unicode

Total characters18202
Distinct characters67
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique157 ?
Unique (%)6.9%

Sample

1st row
2nd row
3rd row
4th row
5th row
ValueCountFrequency (%)
la 165
 
5.8%
de 127
 
4.5%
y 122
 
4.3%
debate 93
 
3.3%
el 88
 
3.1%
un 87
 
3.1%
generar 80
 
2.8%
o 72
 
2.5%
puede 72
 
2.5%
controversia 70
 
2.5%
Other values (657) 1859
65.6%
2025-07-17T18:58:28.548151image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
2678
14.7%
e 2067
11.4%
a 1725
 
9.5%
n 1304
 
7.2%
o 1124
 
6.2%
i 1065
 
5.9%
r 1050
 
5.8%
c 807
 
4.4%
t 781
 
4.3%
s 749
 
4.1%
Other values (57) 4852
26.7%

Most occurring categories

ValueCountFrequency (%)
(unknown) 18202
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
2678
14.7%
e 2067
11.4%
a 1725
 
9.5%
n 1304
 
7.2%
o 1124
 
6.2%
i 1065
 
5.9%
r 1050
 
5.8%
c 807
 
4.4%
t 781
 
4.3%
s 749
 
4.1%
Other values (57) 4852
26.7%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 18202
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
2678
14.7%
e 2067
11.4%
a 1725
 
9.5%
n 1304
 
7.2%
o 1124
 
6.2%
i 1065
 
5.9%
r 1050
 
5.8%
c 807
 
4.4%
t 781
 
4.3%
s 749
 
4.1%
Other values (57) 4852
26.7%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 18202
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
2678
14.7%
e 2067
11.4%
a 1725
 
9.5%
n 1304
 
7.2%
o 1124
 
6.2%
i 1065
 
5.9%
r 1050
 
5.8%
c 807
 
4.4%
t 781
 
4.3%
s 749
 
4.1%
Other values (57) 4852
26.7%

esperanza
Boolean

Distinct2
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size2.4 KiB
False
1425 
True
865 
ValueCountFrequency (%)
False 1425
62.2%
True 865
37.8%
2025-07-17T18:58:28.616380image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Distinct866
Distinct (%)37.8%
Missing0
Missing (%)0.0%
Memory size309.6 KiB
2025-07-17T18:58:28.785272image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length209
Median length0
Mean length39.21441
Min length0

Characters and Unicode

Total characters89801
Distinct characters83
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique864 ?
Unique (%)37.7%

Sample

1st row
2nd rowEl término 'momentos más románticos' y 'boda' evoca emociones positivas y optimismo.
3rd row
4th row
5th row
ValueCountFrequency (%)
y 893
 
6.4%
de 872
 
6.2%
una 695
 
5.0%
la 651
 
4.7%
un 495
 
3.5%
el 394
 
2.8%
a 275
 
2.0%
ofrece 257
 
1.8%
para 217
 
1.6%
positiva 214
 
1.5%
Other values (2053) 9027
64.5%
2025-07-17T18:58:29.110524image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
13124
14.6%
e 9036
 
10.1%
a 8754
 
9.7%
i 5863
 
6.5%
o 5802
 
6.5%
n 5665
 
6.3%
s 4807
 
5.4%
r 4713
 
5.2%
t 3485
 
3.9%
c 3325
 
3.7%
Other values (73) 25227
28.1%

Most occurring categories

ValueCountFrequency (%)
(unknown) 89801
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
13124
14.6%
e 9036
 
10.1%
a 8754
 
9.7%
i 5863
 
6.5%
o 5802
 
6.5%
n 5665
 
6.3%
s 4807
 
5.4%
r 4713
 
5.2%
t 3485
 
3.9%
c 3325
 
3.7%
Other values (73) 25227
28.1%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 89801
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
13124
14.6%
e 9036
 
10.1%
a 8754
 
9.7%
i 5863
 
6.5%
o 5802
 
6.5%
n 5665
 
6.3%
s 4807
 
5.4%
r 4713
 
5.2%
t 3485
 
3.9%
c 3325
 
3.7%
Other values (73) 25227
28.1%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 89801
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
13124
14.6%
e 9036
 
10.1%
a 8754
 
9.7%
i 5863
 
6.5%
o 5802
 
6.5%
n 5665
 
6.3%
s 4807
 
5.4%
r 4713
 
5.2%
t 3485
 
3.9%
c 3325
 
3.7%
Other values (73) 25227
28.1%
Distinct2
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size2.4 KiB
True
1648 
False
642 
ValueCountFrequency (%)
True 1648
72.0%
False 642
 
28.0%
2025-07-17T18:58:29.177966image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Distinct1644
Distinct (%)71.8%
Missing0
Missing (%)0.0%
Memory size508.8 KiB
2025-07-17T18:58:29.378720image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Length

Max length307
Median length193
Mean length83.627948
Min length0

Characters and Unicode

Total characters191508
Distinct characters92
Distinct categories1 ?
Distinct scripts1 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique1638 ?
Unique (%)71.5%

Sample

1st row
2nd row
3rd row
4th row
5th rowLa cita es muy personal y relatable, ya que muchas personas pueden identificarse con la idea de querer sentirse auténticas y reflejadas en su propia imagen.
ValueCountFrequency (%)
de 1883
 
6.1%
la 1708
 
5.5%
y 1164
 
3.7%
el 1141
 
3.7%
a 1121
 
3.6%
con 902
 
2.9%
apela 793
 
2.6%
que 762
 
2.5%
en 652
 
2.1%
una 588
 
1.9%
Other values (3117) 20335
65.5%
2025-07-17T18:58:29.724794image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
29400
15.4%
e 22456
11.7%
a 18608
 
9.7%
n 12255
 
6.4%
i 12001
 
6.3%
o 10852
 
5.7%
s 10165
 
5.3%
l 9360
 
4.9%
r 9041
 
4.7%
d 8077
 
4.2%
Other values (82) 49293
25.7%

Most occurring categories

ValueCountFrequency (%)
(unknown) 191508
100.0%

Most frequent character per category

(unknown)
ValueCountFrequency (%)
29400
15.4%
e 22456
11.7%
a 18608
 
9.7%
n 12255
 
6.4%
i 12001
 
6.3%
o 10852
 
5.7%
s 10165
 
5.3%
l 9360
 
4.9%
r 9041
 
4.7%
d 8077
 
4.2%
Other values (82) 49293
25.7%

Most occurring scripts

ValueCountFrequency (%)
(unknown) 191508
100.0%

Most frequent character per script

(unknown)
ValueCountFrequency (%)
29400
15.4%
e 22456
11.7%
a 18608
 
9.7%
n 12255
 
6.4%
i 12001
 
6.3%
o 10852
 
5.7%
s 10165
 
5.3%
l 9360
 
4.9%
r 9041
 
4.7%
d 8077
 
4.2%
Other values (82) 49293
25.7%

Most occurring blocks

ValueCountFrequency (%)
(unknown) 191508
100.0%

Most frequent character per block

(unknown)
ValueCountFrequency (%)
29400
15.4%
e 22456
11.7%
a 18608
 
9.7%
n 12255
 
6.4%
i 12001
 
6.3%
o 10852
 
5.7%
s 10165
 
5.3%
l 9360
 
4.9%
r 9041
 
4.7%
d 8077
 
4.2%
Other values (82) 49293
25.7%

Interactions

2025-07-17T18:58:12.992526image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/

Correlations

2025-07-17T18:58:29.820170image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
autoridadbeneficio_economicocategoria_principalclaridad_valoracionclasificacion_principalcontiene_comillascontiene_dos_puntoscontiene_exclamacioncontiene_guioncontiene_interrogacioncontiene_numeroscuriosidadempieza_con_numeroesperanzaexclusividadidentificacionindignacionlongitud_caractereslongitud_valoracionmarca_reconocidamiedooriginalidad_valoracionpalabras_clave_valoracionprohibicionrelevancia_nacionalrelevancia_valoracionsolucionsorpresatermina_con_interrogacionurgencia_temporaluso_mayusculas
autoridad1.0000.0170.3630.0000.4690.2290.1190.0000.0000.0000.0000.0590.0000.0720.0340.0690.0200.2110.0530.0000.1510.1350.0190.0240.0210.0760.1100.0460.0000.0000.062
beneficio_economico0.0171.0000.3600.0000.1640.0500.0100.0000.0000.0160.1260.0000.0320.1120.0000.0420.0420.0000.0000.0630.0360.0310.0000.0210.0830.0290.1170.0000.0000.0580.148
categoria_principal0.3630.3601.0000.0000.1370.2630.1390.0860.0000.0830.1650.2040.2180.4560.1060.3800.2350.1820.1250.2400.4070.1120.0550.1410.3450.1040.5460.2200.1240.0960.083
claridad_valoracion0.0000.0000.0001.0000.0660.0860.0390.0140.0000.0000.0530.0170.0000.0000.0000.0270.0180.7860.3850.0510.0000.0760.0190.0000.0000.0310.0460.0800.0000.0130.097
clasificacion_principal0.4690.1640.1370.0661.0000.7350.4780.1650.0000.9010.5230.1520.5870.2630.0330.2260.2250.0880.0530.1070.2570.1990.0000.1560.2160.0200.3200.2150.7000.2260.186
contiene_comillas0.2290.0500.2630.0860.7351.0000.3540.0440.0000.0630.1240.0070.0770.0000.0000.0420.1370.2910.1150.0700.1490.2050.0590.0000.1250.0000.1180.0890.0250.0000.084
contiene_dos_puntos0.1190.0100.1390.0390.4780.3541.0000.0000.0000.0210.0450.0000.1260.0400.0000.0800.0580.2680.0700.0370.0870.1690.0140.0700.0850.0510.0000.0000.0000.0000.041
contiene_exclamacion0.0000.0000.0860.0140.1650.0440.0001.0000.0000.0000.0000.0000.0000.0000.0160.0120.0170.2240.0000.0930.0280.0350.0000.0000.0000.0000.0050.0380.0000.0390.664
contiene_guion0.0000.0000.0000.0000.0000.0000.0000.0001.0000.0000.0150.0190.0020.0380.0000.0190.0000.0000.0000.0290.0000.0000.0000.0000.0590.0130.0080.0250.0000.0260.000
contiene_interrogacion0.0000.0160.0830.0000.9010.0630.0210.0000.0001.0000.0000.0380.0210.0180.0370.0000.0000.0000.0460.0000.0530.0290.0000.0100.0400.0160.0540.0000.7120.0000.119
contiene_numeros0.0000.1260.1650.0530.5230.1240.0450.0000.0150.0001.0000.0000.3280.0690.0000.0530.0790.0670.0710.0000.0450.0480.0030.0000.0330.0080.1170.0140.0000.0000.000
curiosidad0.0590.0000.2040.0170.1520.0070.0000.0000.0190.0380.0001.0000.0000.1010.0480.0650.0460.2090.1300.0370.0730.2320.1190.0000.0000.0560.0630.1380.0190.0000.000
empieza_con_numero0.0000.0320.2180.0000.5870.0770.1260.0000.0020.0210.3280.0001.0000.1070.0000.0850.0140.0860.0290.0240.0320.0380.0260.0070.0000.0310.1340.0930.0000.0000.000
esperanza0.0720.1120.4560.0000.2630.0000.0400.0000.0380.0180.0690.1010.1071.0000.0100.2800.1540.0930.0000.1520.0000.1310.0000.0480.1360.0490.4820.1970.0300.0000.033
exclusividad0.0340.0000.1060.0000.0330.0000.0000.0160.0000.0370.0000.0480.0000.0101.0000.0000.0300.0000.0000.0190.0380.0650.0000.0000.0500.0250.0400.0590.0180.0000.146
identificacion0.0690.0420.3800.0270.2260.0420.0800.0120.0190.0000.0530.0650.0850.2800.0001.0000.1560.1230.0700.1520.0850.0900.0330.0630.0340.0000.2420.1830.0270.0000.053
indignacion0.0200.0420.2350.0180.2250.1370.0580.0170.0000.0000.0790.0460.0140.1540.0300.1561.0000.1130.0630.0000.0570.0610.0220.0000.0270.0120.1120.0520.0000.0000.136
longitud_caracteres0.2110.0000.1820.7860.0880.2910.2680.2240.0000.0000.0670.2090.0860.0930.0000.1230.1131.0000.8270.0670.1760.1620.0000.1330.0000.0000.1510.0000.0670.0000.182
longitud_valoracion0.0530.0000.1250.3850.0530.1150.0700.0000.0000.0460.0710.1300.0290.0000.0000.0700.0630.8271.0000.0680.0600.1380.0000.0350.0000.0390.0480.0460.0260.0000.000
marca_reconocida0.0000.0630.2400.0510.1070.0700.0370.0930.0290.0000.0000.0370.0240.1520.0190.1520.0000.0670.0681.0000.0810.0610.0870.0360.0540.1150.1250.1190.0000.0440.135
miedo0.1510.0360.4070.0000.2570.1490.0870.0280.0000.0530.0450.0730.0320.0000.0380.0850.0570.1760.0600.0811.0000.0260.0000.1540.0910.0590.0830.0400.0190.0530.000
originalidad_valoracion0.1350.0310.1120.0760.1990.2050.1690.0350.0000.0290.0480.2320.0380.1310.0650.0900.0610.1620.1380.0610.0261.0000.1080.0490.0230.1860.0920.3370.0280.0260.000
palabras_clave_valoracion0.0190.0000.0550.0190.0000.0590.0140.0000.0000.0000.0030.1190.0260.0000.0000.0330.0220.0000.0000.0870.0000.1081.0000.0450.0380.4620.0610.0360.0000.0000.000
prohibicion0.0240.0210.1410.0000.1560.0000.0700.0000.0000.0100.0000.0000.0070.0480.0000.0630.0000.1330.0350.0360.1540.0490.0451.0000.0000.0000.1220.0000.0000.0630.000
relevancia_nacional0.0210.0830.3450.0000.2160.1250.0850.0000.0590.0400.0330.0000.0000.1360.0500.0340.0270.0000.0000.0540.0910.0230.0380.0001.0000.0430.1530.0310.0200.0000.000
relevancia_valoracion0.0760.0290.1040.0310.0200.0000.0510.0000.0130.0160.0080.0560.0310.0490.0250.0000.0120.0000.0390.1150.0590.1860.4620.0000.0431.0000.1470.0000.0000.0420.000
solucion0.1100.1170.5460.0460.3200.1180.0000.0050.0080.0540.1170.0630.1340.4820.0400.2420.1120.1510.0480.1250.0830.0920.0610.1220.1530.1471.0000.2070.0000.0000.000
sorpresa0.0460.0000.2200.0800.2150.0890.0000.0380.0250.0000.0140.1380.0930.1970.0590.1830.0520.0000.0460.1190.0400.3370.0360.0000.0310.0000.2071.0000.0000.0000.030
termina_con_interrogacion0.0000.0000.1240.0000.7000.0250.0000.0000.0000.7120.0000.0190.0000.0300.0180.0270.0000.0670.0260.0000.0190.0280.0000.0000.0200.0000.0000.0001.0000.0000.000
urgencia_temporal0.0000.0580.0960.0130.2260.0000.0000.0390.0260.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0440.0530.0260.0000.0630.0000.0420.0000.0000.0001.0000.091
uso_mayusculas0.0620.1480.0830.0970.1860.0840.0410.6640.0000.1190.0000.0000.0000.0330.1460.0530.1360.1820.0000.1350.0000.0000.0000.0000.0000.0000.0000.0300.0000.0911.000

Missing values

2025-07-17T18:58:13.693462image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
A simple visualization of nullity by column.
2025-07-17T18:58:13.996611image/svg+xmlMatplotlib v3.10.0, https://matplotlib.org/
Nullity matrix is a data-dense display which lets you quickly visually pick out patterns in data completion.

Sample

Headlinetitular_limpiocategoria_principalsubcategoria_1subcategoria_2claridad_valoracionclaridad_comentariorelevancia_valoracionrelevancia_comentariopalabras_clave_valoracionpalabras_clave_comentariooriginalidad_valoracionoriginalidad_comentariocontiene_numeroscontiene_comillascontiene_interrogacioncontiene_dos_puntoscontiene_guioncontiene_exclamacionempieza_con_numerotermina_con_interrogacionlongitud_valoracionlongitud_caracteresuso_mayusculasclasificacion_principaltipo_comentariourgencia_temporalurgencia_palabrasexclusividadexclusividad_palabrasautoridadautoridad_palabrassolucionsolucion_palabrasbeneficio_economicobeneficio_palabrasprohibicionprohibicion_palabrasrelevancia_nacionalrelevancia_palabrasmarca_reconocidamarca_palabrascuriosidadcuriosidad_evidenciamiedomiedo_evidenciasorpresasorpresa_evidenciaindignacionindignacion_evidenciaesperanzaesperanza_evidenciaidentificacionidentificacion_evidencia
0La boda del año: Lauren Sánchez, como una estrella de cine, con su segundo look en VeneciaLa boda del año: Lauren Sánchez, como una estrella de cine, con su segundo look en VeneciaEntretenimiento y CulturaCelebridades e InfluencersN/AAltaEl mensaje es directo y fácil de entender, identificando a la protagonista y el evento.AltaEl titular aborda un evento de alto interés mediático (boda de celebridad) y utiliza la expresión 'del año' para resaltar su importancia.AltaContiene palabras clave relevantes como 'boda', 'Lauren Sánchez', 'estrella de cine', 'look' y 'Venecia', que son buscadas por la audiencia interesada en celebridades y moda.MediaAunque la frase 'la boda del año' es común, la descripción 'como una estrella de cine' y el detalle del 'segundo look en Venecia' le dan un ángulo más específico y atractivo.TRUEFALSEFALSETRUEFALSEFALSEFALSEFALSEAdecuada79NoSuperlativoSe clasifica como Superlativo por el uso de la expresión 'del año', que enfatiza la magnitud o importancia del evento.FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]TRUE["Lauren Sánchez"]TRUELa descripción 'como una estrella de cine' y la mención del 'segundo look' generan interés y deseo de saber más sobre su apariencia.FALSEFALSEFALSEFALSEFALSE
1Los momentos más románticos de la boda de Alba Redondo y Cristina Monleón en un vídeo inéditoLos momentos más románticos de la boda de Alba Redondo y Cristina Monleón en un vídeo inéditoEntretenimiento y CulturaCelebridades e InfluencersN/AAltaEl titular es directo y fácil de entender, describe claramente el contenido (momentos románticos, boda, personas, vídeo inédito).AltaLas bodas de figuras públicas, especialmente si hay contenido 'inédito', generan un alto interés de audiencia y son temas recurrentes en la prensa del corazón y entretenimiento.AltaIncluye nombres de personas ('Alba Redondo', 'Cristina Monleón'), 'boda', 'románticos' y 'vídeo inédito', todas son palabras clave muy relevantes para el tema que probablemente buscaría la audiencia.MediaAunque las bodas de famosos son comunes, el detalle de 'vídeo inédito' le da un toque de exclusividad que lo diferencia de un simple reportaje de boda.FALSEFALSEFALSEFALSEFALSEFALSEFALSEFALSEAdecuada81NoDeclarativo SimpleEl titular presenta una afirmación directa sobre un evento, sin preguntas, comparaciones, ni elementos de lista, ni atribuciones específicas. Es una declaración clara de lo que se va a encontrar.FALSE[]TRUE["inédito"]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]TRUEEl término 'vídeo inédito' genera curiosidad sobre qué momentos se revelarán y por qué no se habían visto antes.FALSEFALSEFALSETRUEEl término 'momentos más románticos' y 'boda' evoca emociones positivas y optimismo.FALSE
2Los reyes Felipe y Letizia acuden por sorpresa a un concierto en la plaza Mayor de MadridLos reyes Felipe y Letizia acuden por sorpresa a un concierto en la plaza Mayor de MadridEntretenimiento y CulturaMúsicaN/AAltaEl mensaje es claro y directo, indica quién, qué y dónde.AltaLa presencia de la realeza en un evento público siempre genera interés y es actual.AltaIncluye 'reyes Felipe y Letizia', 'concierto', 'plaza Mayor de Madrid', que son términos clave para la búsqueda y el interés.MediaEl elemento 'por sorpresa' añade un toque de originalidad, pero el evento en sí es un tipo de noticia habitual.FALSEFALSEFALSEFALSEFALSEFALSEFALSEFALSEAdecuada76NoDeclarativo SimpleDeclara un evento concreto y la participación de los reyes de forma directa y sin artificios.FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]TRUE["Madrid"]FALSE[]TRUEpor sorpresaFALSETRUEpor sorpresaFALSEFALSEFALSE
3La reina Rania de Jordania llega a Venecia y se une a los invitados de la gran boda de Jeff Bezos y Lauren SánchezLa reina Rania de Jordania llega a Venecia y se une a los invitados de la gran boda de Jeff Bezos y Lauren SánchezEntretenimiento y CulturaCelebridades e InfluencersN/AAltaEl mensaje es directo y fácil de entender, indicando claramente los sujetos y el evento principal.AltaEl titular involucra figuras públicas de alto perfil (reina, magnate tecnológico) y un evento social de gran interés, lo que lo hace muy relevante y actual.AltaIncluye palabras clave fuertes como 'reina Rania de Jordania', 'Jeff Bezos', 'Lauren Sánchez', 'boda' y 'Venecia', que son altamente buscables y relevantes para el público interesado en noticias de celebridades.MediaEl contenido (los personajes y el evento específico) es original, pero la estructura del titular es una declaración informativa estándar. Se destaca por los nombres mencionados más que por una formulación innovadora.FALSEFALSEFALSEFALSEFALSEFALSEFALSEFALSEAdecuada108NoDeclarativo SimpleEl titular presenta una afirmación directa sobre la llegada de la reina Rania a Venecia para la boda de Jeff Bezos y Lauren Sánchez, sin elementos de pregunta, lista o exclamación.FALSE[]FALSE[]TRUE["reina"]FALSE[]FALSE[]FALSE[]TRUE["Jordania","Venecia"]TRUE["Jeff Bezos","Lauren Sánchez"]TRUELa mención de 'gran boda' y la participación de figuras de alto perfil como la reina Rania junto a Jeff Bezos y Lauren Sánchez, genera interés en los detalles del evento y otros invitados.FALSETRUELa presencia de la reina Rania de Jordania en la boda de un magnate tecnológico como Jeff Bezos puede generar asombro o sorpresa debido a la inusual mezcla de la realeza y el mundo empresarial de alto nivel.FALSEFALSEFALSE
4Laura Corsini, fundadora de Bimani: "Si me miro al espejo y no me reconozco, me cambio"Laura Corsini, fundadora de Bimani: "Si me miro al espejo y no me reconozco, me cambio"ModaConsejos de EstiloN/AAltaEl mensaje es directo y la cita es fácil de entender, transmitiendo una filosofía personal clara.AltaLa figura de Laura Corsini y su marca Bimani son relevantes en el ámbito de la moda. El tema de la autoidentificación y el estilo personal es perenne y de alto interés.AltaContiene el nombre de una figura pública ('Laura Corsini') y una marca reconocida ('Bimani'), que son palabras clave atractivas para la audiencia interesada en moda y emprendimiento.AltaLa inclusión de una cita personal y reflexiva de una fundadora de marca otorga un ángulo único y diferenciador, alejado de titulares genéricos.FALSETRUEFALSETRUEFALSEFALSEFALSEFALSEAdecuada86NoCita DirectaEl titular presenta una cita textual de Laura Corsini, identificando claramente al autor de la misma.FALSE[]FALSE[]TRUE["fundadora"]FALSE[]FALSE[]FALSE[]FALSE[]TRUE["Bimani"]TRUELa frase 'Si me miro al espejo y no me reconozco, me cambio' genera curiosidad sobre el contexto y la filosofía personal detrás de la fundadora de una marca de moda.FALSEFALSEFALSEFALSETRUELa cita es muy personal y relatable, ya que muchas personas pueden identificarse con la idea de querer sentirse auténticas y reflejadas en su propia imagen.
5Dónde encontrar y cómo llevar las faldas del verano 2025Dónde encontrar y cómo llevar las faldas del verano 2025ModaTendencias y NovedadesN/AAltaEl mensaje es directo y fácil de entender, indicando qué y cómo hacer.AltaConecta con una tendencia futura (verano 2025) en moda, lo que genera anticipación e interés constante.AltaIncluye 'faldas', 'verano 2025', 'encontrar', 'llevar', que son palabras clave relevantes para búsquedas de moda y tendencias.MediaAunque el tema es recurrente, el enfoque en 'verano 2025' le da un toque prospectivo. No es completamente único, pero la temporalidad futura ayuda a diferenciarlo.TRUEFALSEFALSEFALSEFALSEFALSEFALSEFALSEAdecuada53NoDeclarativo SimpleEl titular ofrece una afirmación clara sobre dónde encontrar y cómo llevar las faldas de la temporada.FALSE[]FALSE[]FALSE[]TRUE["encontrar","llevar"]FALSE[]FALSE[]FALSE[]FALSE[]TRUEEl 'dónde encontrar' y 'cómo llevar' generan una brecha de conocimiento que el lector querrá cerrar.FALSEFALSEFALSETRUEOfrece la promesa de estilo y estar a la moda para la próxima temporada de verano.TRUEApela directamente a personas interesadas en moda y tendencias de verano.
6Los gestos de la princesa Charlotte durante el desfile: una reverencia y el mensaje de su madreLos gestos de la princesa Charlotte durante el desfile: una reverencia y el mensaje de su madreEntretenimiento y CulturaCelebridades e InfluencersN/AAltaEl mensaje es directo y fácil de entender, describiendo los elementos clave de la noticia.AltaEl interés en la familia real y las figuras públicas es consistentemente alto, haciéndolo un tema relevante para una audiencia amplia.AltaIncluye 'princesa Charlotte', 'desfile' y 'madre', que son palabras clave directas y atractivas para el público interesado en la realeza y celebridades.MediaAunque las noticias sobre la realeza son comunes, la especificación de 'gestos', 'reverencia' y el 'mensaje de su madre' le da un ángulo más íntimo y específico, aunque no es radicalmente único.FALSEFALSEFALSETRUEFALSEFALSEFALSEFALSEAdecuada86NoDeclarativo SimpleEl titular describe directamente un evento o acción sin recurrir a preguntas, exclamaciones, listas o estructuras complejas.FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]TRUEEl 'mensaje de su madre' y la descripción de los 'gestos' generan interés sobre el contenido y el posible significado detrás de las acciones de la princesa.FALSEFALSEFALSEFALSEFALSE
7Brad Pitt sorprende con este cambio look en el estreno de su nueva película en MéxicoBrad Pitt sorprende con este cambio look en el estreno de su nueva película en MéxicoEntretenimiento y CulturaCelebridades e InfluencersCineAltaEl mensaje principal es directo y fácil de entender, identificando al protagonista, el evento y el lugar.AltaBrad Pitt es una figura relevante globalmente. El 'estreno de su nueva película' y 'en México' indican actualidad y un evento específico.AltaContiene palabras clave muy buscadas en el ámbito del entretenimiento como 'Brad Pitt', 'cambio look', 'nueva película' y 'estreno'.MediaAunque la temática de 'cambio de look de celebridad' es común, el titular lo asocia a un evento específico ('estreno en México') y utiliza 'este' para generar intriga.FALSEFALSEFALSEFALSEFALSEFALSEFALSEFALSEAdecuada75NoDeclarativo SimpleEl titular presenta un hecho de forma directa y concisa sin usar interrogaciones, exclamaciones o estructuras complejas.FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]TRUE["México"]TRUE["Brad Pitt"]TRUEeste cambio look (genera una brecha de información sobre la naturaleza del cambio)FALSETRUEsorprende (indica directamente un sentimiento de asombro o inesperado)FALSEFALSEFALSE
8El pueblo de Cantabria que combina playas, casonas, senderos y marismas y solo tiene 500 habitantesEl pueblo de Cantabria que combina playas, casonas, senderos y marismas y solo tiene 500 habitantesViajesDestinosNacionalAltaEl mensaje principal es directo y fácil de entender, describiendo las características de un pueblo.AltaEs un tema 'evergreen' de alto interés para audiencias interesadas en viajes, turismo rural y destinos con encanto.AltaContiene palabras clave relevantes como 'Cantabria', 'playas', 'casonas', 'senderos', 'marismas' y '500 habitantes', que son descriptivas y buscables.AltaAunque la temática de pueblos con encanto es común, la combinación específica de características naturales y arquitectónicas, junto con la mención de su reducida población, le otorga un ángulo único y atractivo.TRUEFALSEFALSEFALSEFALSEFALSEFALSEFALSEAdecuada88NoDeclarativo SimpleEl titular declara de forma sencilla y directa las características de un pueblo, sin emplear elementos de pregunta, urgencia o misterio explícito.FALSE[]TRUE["solo"]FALSE[]FALSE[]FALSE[]FALSE[]TRUE["Cantabria"]FALSE[]TRUELa combinación de atributos deseables y el hecho de que 'solo tiene 500 habitantes' crea un gap de información que incita a querer saber cuál es ese pueblo.FALSETRUEEl contraste entre la riqueza natural y arquitectónica del pueblo y su pequeña población ('solo tiene 500 habitantes') puede generar asombro.FALSETRUESugiere un lugar idílico y tranquilo, ideal para la desconexión, lo que genera una sensación positiva.TRUEApela a lectores interesados en el turismo de naturaleza, pueblos con encanto y escapadas tranquilas.
9Santiago Segura sorprende en 'El Hormiguero' al desvelar cuál fue su primer trabajo: "Era cliente secreto"Santiago Segura sorprende en 'El Hormiguero' al desvelar cuál fue su primer trabajo: 'Era cliente secreto'Entretenimiento y CulturaCelebridades e InfluencersN/AAltaEl titular es directo y revela el tema principal de forma concisa.AltaConecta con el interés en la vida personal de figuras públicas y un programa de televisión popular.AltaContiene nombres propios relevantes y frases clave que generan curiosidad.AltaLa revelación del 'cliente secreto' le da un ángulo único y sorprendente.FALSETRUEFALSETRUEFALSEFALSEFALSEFALSEAdecuada99NoRevelación ('secreto', 'verdad')El titular desvela un 'secreto' sobre el primer trabajo de Santiago Segura, generando intriga.FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]TRUE["Santiago Segura","El Hormiguero"]TRUE["El Hormiguero"]TRUEEl titular crea una brecha de información al mencionar el 'primer trabajo' y 'cliente secreto' de Santiago Segura.FALSETRUELa palabra 'sorprende' y la revelación inesperada de 'cliente secreto'.FALSEFALSEFALSE
Headlinetitular_limpiocategoria_principalsubcategoria_1subcategoria_2claridad_valoracionclaridad_comentariorelevancia_valoracionrelevancia_comentariopalabras_clave_valoracionpalabras_clave_comentariooriginalidad_valoracionoriginalidad_comentariocontiene_numeroscontiene_comillascontiene_interrogacioncontiene_dos_puntoscontiene_guioncontiene_exclamacionempieza_con_numerotermina_con_interrogacionlongitud_valoracionlongitud_caracteresuso_mayusculasclasificacion_principaltipo_comentariourgencia_temporalurgencia_palabrasexclusividadexclusividad_palabrasautoridadautoridad_palabrassolucionsolucion_palabrasbeneficio_economicobeneficio_palabrasprohibicionprohibicion_palabrasrelevancia_nacionalrelevancia_palabrasmarca_reconocidamarca_palabrascuriosidadcuriosidad_evidenciamiedomiedo_evidenciasorpresasorpresa_evidenciaindignacionindignacion_evidenciaesperanzaesperanza_evidenciaidentificacionidentificacion_evidencia
2280Gema Herrerías, farmacéutica experta en dermocosmética: "Las manchas también te salen si no controlas el estrés"Gema Herrerías, farmacéutica experta en dermocosmética: "Las manchas también te salen si no controlas el estrés"BellezaCuidado de la Piel (Skincare)Causas y PrevenciónAltaEl formato "Experto: Cita" es directo y el mensaje es fácil de entender, conectando un problema común (manchas) con una causa inesperada (estrés).AltaEl cuidado de la piel y el manejo del estrés son temas perennes (evergreen) con un interés constante y creciente en la audiencia.AltaUtiliza palabras clave de alto interés como 'manchas', 'estrés' y 'dermocosmética', además de 'experta' que añade autoridad.MediaEl ángulo que conecta el estrés con las manchas de la piel es interesante y menos común que los consejos sobre protección solar, ofreciendo un enfoque diferenciador.FALSETRUEFALSETRUEFALSEFALSEFALSEFALSEAdecuada119NoCita DirectaEl titular presenta la declaración de una persona experta entre comillas, precedida por su nombre y credenciales, lo que lo define claramente como una cita directa.FALSE[]FALSE[]TRUE["farmacéutica","experta"]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]TRUEEstablece una conexión menos obvia entre el estrés y las manchas, generando curiosidad sobre el mecanismo y cómo evitarlo.TRUEAlerta sobre una consecuencia negativa y visible (manchas) derivada de un estado común (estrés), generando preocupación.TRUELa causa (estrés) del problema (manchas) es inesperada para parte de la audiencia, que lo asocia más comúnmente al sol.FALSETRUEAl señalar una causa manejable ('si no controlas el estrés'), ofrece una vía de acción y esperanza para prevenir o tratar el problema.TRUEUsa la segunda persona ('te salen') y habla de problemas comunes (manchas, estrés) con los que una amplia audiencia puede sentirse identificada.
2281El alucinante vestidor de Alice Campello que esconde su increíble colección de bolsos de lujoEl alucinante vestidor de Alice Campello que esconde su increíble colección de bolsos de lujoModaCompras y MarcasN/AAltaEl mensaje principal es directo y fácil de entender: el vestidor de Alice Campello y su colección de bolsos de lujo.AltaEl contenido sobre celebridades, moda y lujo es un tema perenne y de alto interés para audiencias en plataformas como Google Discover.AltaPalabras clave como 'Alice Campello', 'vestidor', 'colección de bolsos', y 'lujo' son relevantes y atractivas para la audiencia objetivo.MediaAunque la temática de 'celebridades y sus posesiones de lujo' es común, el uso de adjetivos como 'alucinante' e 'increíble' intenta diferenciarlo y generar más interés.FALSEFALSEFALSEFALSEFALSEFALSEFALSEFALSEAdecuada69NoMisterio/RevelaciónEl titular sugiere un descubrimiento o revelación sobre el contenido del vestidor de Alice Campello al usar la palabra 'esconde', lo que crea intriga y promete una revelación.FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]TRUE["Alice Campello"]TRUEEl titular crea un gap de información al mencionar que el vestidor 'esconde' una colección increíble, invitando al lector a descubrir qué se esconde.FALSETRUELas palabras 'alucinante' e 'increíble' están diseñadas para generar asombro y admiración por lo que se va a revelar.FALSEFALSETRUEAtrae a quienes se sienten atraídos por el estilo de vida de celebridades, la moda de lujo y el diseño de interiores, permitiendo una identificación aspiracional o de interés.
2282Los 35 diseños de uñas acrílicas más pedidos en los salones de belleza de Madrid en este 2025Los 35 diseños de uñas acrílicas más pedidos en los salones de belleza de Madrid en este 2025BellezaCuidado de las UñasDiseños y TendenciasAltaEl titular es directo y conciso, comunicando claramente su contenido.AltaAborda un tema perenne (uñas acrílicas) con un enfoque en tendencias futuras (2025) y relevancia geográfica (Madrid), lo que lo hace muy actual y relevante para su audiencia objetivo.AltaIncorpora palabras clave de alto volumen de búsqueda como 'diseños de uñas acrílicas', 'salones de belleza' y 'Madrid', optimizado para búsquedas específicas.MediaAunque el formato de lista es común, la combinación específica de '35 diseños', 'Madrid' y '2025' le otorga un grado de diferenciación.TRUEFALSEFALSEFALSEFALSEFALSEFALSEFALSEAdecuada82NoLista/NumeradoEl titular especifica una cantidad exacta de elementos ('Los 35 diseños'), indicando que el contenido se presenta en formato de lista numerada.FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]TRUE["Madrid"]FALSE[]TRUEmás pedidos, en este 2025FALSEFALSEFALSETRUEmás pedidosTRUEsalones de belleza de Madrid
2283Tamara Falcó estrena un look de invitada 'arty' diseñado por ella misma en el bautizo de su sobrino NicolásTamara Falcó estrena un look de invitada 'arty' diseñado por ella misma en el bautizo de su sobrino NicolásModaTendencias y NovedadesStreet StyleMediaEl mensaje principal es comprensible, pero la longitud y la cantidad de detalles ('bautizo de su sobrino Nicolás') pueden ralentizar la comprensión inicial.AltaTamara Falcó es una celebridad de alta relevancia mediática en España, y el evento (bautizo) genera interés actual en su círculo.AltaUtiliza el nombre de una celebridad muy buscada y términos específicos de moda ('look de invitada', 'arty') que atraen a un público objetivo claro.AltaEl ángulo de que ella misma lo diseñó y el uso del adjetivo 'arty' le otorgan un carácter distintivo y original.FALSETRUEFALSEFALSEFALSEFALSEFALSEFALSEDemasiado larga, riesgo de corte118NoDeclarativo SimpleEl titular se limita a enunciar un hecho o una acción llevada a cabo por una persona, sin añadir preguntas, urgencia u otros elementos complejos.FALSE[]TRUE["estrena","diseñado por ella misma"]FALSE[]FALSE[]FALSE[]FALSE[]TRUE["Tamara Falcó"]FALSE[]TRUEEl uso de 'arty' y la mención de que fue 'diseñado por ella misma' genera curiosidad por ver el resultado final del look.FALSETRUEEl hecho de que la propia celebridad haya diseñado su atuendo puede generar sorpresa.FALSEFALSETRUEApela a personas interesadas en la moda para eventos ('look de invitada') y seguidoras del estilo de la celebridad.
2284Rutinas de yoga y meditación para mujeres +50: 8 productos clave para recuperar el equilibrio y la energía desde casaRutinas de yoga y meditación para mujeres +50: 8 productos clave para recuperar el equilibrio y la energía desde casaSalud y BienestarEjercicio y FitnessN/AAltaMensaje directo y claro sobre el público objetivo, el contenido y el beneficio.AltaTema evergreen de alto interés para un público específico y una necesidad universal de bienestar.AltaContiene múltiples palabras clave relevantes que cubren la actividad, el público y el beneficio.MediaOfrece un nicho específico (mujeres +50, productos para el hogar) que lo diferencia, aunque el tema central es común.TRUEFALSEFALSETRUEFALSEFALSEFALSEFALSEAdecuada106NoLista/NumeradoEl titular especifica '8 productos clave', lo que denota una estructura de lista o contenido numerado.FALSE[]FALSE[]FALSE[]TRUE["recuperar el equilibrio y la energía","clave"]FALSE[]FALSE[]FALSE[]FALSE[]TRUE8 productos claveFALSEFALSEFALSETRUErecuperar el equilibrio y la energíaTRUEpara mujeres +50
2285Miley Cyrus y Bella Hadid, unidas por un vestido semitransparente de hace 20 añosMiley Cyrus y Bella Hadid, unidas por un vestido semitransparente de hace 20 añosEntretenimiento y CulturaCelebridades e InfluencersModaAltaEl mensaje principal es claro y fácil de entender: dos celebridades, unidas por un detalle de moda específico y con un factor temporal.AltaEl tema combina el interés perenne en celebridades y moda, añadiendo un elemento de nostalgia ('hace 20 años') que lo hace relevante para una amplia audiencia.AltaUtiliza nombres de celebridades reconocidas ('Miley Cyrus', 'Bella Hadid') y conceptos clave de moda ('vestido semitransparente'), así como un elemento temporal ('20 años'), que son atractivos y buscables.MediaAunque la moda de celebridades es un tema común, la conexión específica entre estas dos figuras y un vestido de hace 20 años le da un ángulo único y distintivo.TRUEFALSEFALSEFALSEFALSEFALSEFALSEFALSEAdecuada81NoDeclarativo SimpleEl titular declara directamente un hecho o situación sobre Miley Cyrus, Bella Hadid y un vestido.FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]TRUEEl titular genera curiosidad al presentar una conexión inusual ('unidas por') entre dos celebridades y un objeto ('vestido semitransparente') con un factor temporal interesante ('de hace 20 años').FALSETRUEPuede provocar asombro la coincidencia o el hecho de que un vestido tan antiguo resurja de esta manera con figuras actuales.FALSEFALSEFALSE
2286El impactante cambio físico de Carmen Alcayde al abandonar 'Supervivientes 2025'El impactante cambio físico de Carmen Alcayde al abandonar 'Supervivientes 2025'Entretenimiento y CulturaCelebridades e InfluencersN/AAltaEl mensaje principal es directo y fácil de entender: un cambio físico de una persona específica relacionado con un programa.AltaEl titular aborda un tema de alto interés en el ámbito del entretenimiento (celebridades, reality shows, transformaciones personales), que genera expectación y debate.AltaUtiliza nombres propios ('Carmen Alcayde') y de programas ('Supervivientes 2025') que son altamente buscados, junto con 'cambio físico' que es una frase común en este tipo de noticias.MediaAunque el suceso es específico, los titulares sobre 'cambios físicos' post-reality son recurrentes. La palabra 'impactante' busca añadir diferenciación.TRUETRUEFALSEFALSEFALSEFALSEFALSEFALSEAdecuada72NoMisterio/RevelaciónEl uso de 'impactante cambio físico' crea una expectativa y un deseo de revelación sobre la naturaleza de dicho cambio, generando intriga en el lector.FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]TRUE["Supervivientes"]TRUEEl 'impactante cambio físico' genera una pregunta en el lector sobre la magnitud y naturaleza de dicha transformación.FALSETRUELa palabra 'impactante' apela directamente a la emoción de sorpresa y asombro.FALSEFALSEFALSE
2287Sara Carbonero emociona con su felicitación más especial a Lucas: 20 fotos inéditas y una carta llena de amorSara Carbonero emociona con su felicitación más especial a Lucas: 20 fotos inéditas y una carta llena de amorEntretenimiento y CulturaCelebridades e InfluencersN/AAltaEl mensaje principal es claro y fácil de entender, indicando un evento emocional con detalles específicos.AltaEl titular se centra en una figura pública muy conocida (Sara Carbonero) y un tema perenne de interés humano (felicitaciones, amor familiar, fotos exclusivas).AltaUtiliza palabras clave relevantes y atractivas como 'Sara Carbonero', 'Lucas', 'felicitación', 'fotos inéditas' y 'carta llena de amor', que conectan con la audiencia de interés y generan curiosidad.MediaAunque la temática es recurrente en el ámbito de celebridades, la mención de 'fotos inéditas' y 'una carta llena de amor' añade un elemento de exclusividad y detalle que lo diferencia ligeramente.TRUEFALSEFALSETRUEFALSEFALSEFALSEFALSEAdecuada95NoLista/Numerado ('5 formas')Aunque es predominantemente declarativo, la inclusión del número '20 fotos' lo clasifica como tipo lista/numerado, invitando a descubrir la cantidad especificada de contenido.FALSE[]TRUE["inéditas"]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]TRUE20 fotos inéditas y una carta llena de amor (genera deseo de ver contenido exclusivo y privado).FALSEFALSEFALSETRUEemociona, felicitación más especial, llena de amor (evoca sentimientos positivos, ternura y alegría).TRUEfelicitación más especial a Lucas, una carta llena de amor (temas universales de familia y afecto que resuenan con el lector).
2288"Las uñas en forma de 'dedo en palillo de tambor' pueden ser un signo de problemas cardíacos o enfermedad pulmonar crónica", advierte el nefrólogo Sergio Bea Granell"Las uñas en forma de 'dedo en palillo de tambor' pueden ser un signo de problemas cardíacos o enfermedad pulmonar crónica", advierte el nefrólogo Sergio Bea GranellSalud y BienestarCondiciones MédicasPrevenciónMediaEl mensaje es claro pero el titular es largo, lo que le resta concisión.AltaLa salud es un tema perenne (evergreen) de máximo interés. Conecta con la preocupación universal por el bienestar.AltaUsa keywords potentes y específicas como "problemas cardíacos", "enfermedad pulmonar crónica" y el nombre de la condición, que atraen a una audiencia preocupada por la salud.AltaOfrece un ángulo muy específico y poco común, diferenciándose de consejos de salud genéricos.FALSETRUEFALSEFALSEFALSEFALSEFALSEFALSEDemasiado larga, riesgo de corte195NoAtribución ('según', 'revela')El titular es una afirmación directa seguida de la atribución a una fuente de autoridad ("advierte el nefrólogo...").FALSE[]FALSE[]TRUE["nefrólogo"]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]TRUELa mención de un signo físico específico y poco conocido ("dedo en palillo de tambor") genera curiosidad sobre su apariencia y significado.TRUEAlerta sobre un posible signo de "problemas cardíacos o enfermedad pulmonar crónica", generando preocupación por la salud.TRUELa conexión entre la forma de las uñas y enfermedades graves es un hecho sorprendente y poco conocido por el público general.FALSEFALSETRUEApela al lector a auto-examinarse o a pensar en conocidos, al describir un signo físico observable en "las uñas".
2289Esther Rincón, doctora en Psicología: ‘Las redes sociales se han diseñado para ser adictivas’Esther Rincón, doctora en Psicología: ‘Las redes sociales se han diseñado para ser adictivas’Salud y BienestarSalud MentalN/AAltaEl mensaje principal es directo y fácil de entender, sin ambigüedad.AltaEl tema de la adicción a las redes sociales es altamente relevante y de interés público actual.AltaContiene palabras clave como 'Psicología', 'redes sociales' y 'adictivas', que son relevantes y buscadas por la audiencia.MediaAunque el tema de la adicción a redes sociales es recurrente, la cita directa de una doctora en Psicología le otorga un ángulo de autoridad y diferenciación.FALSETRUEFALSETRUEFALSEFALSEFALSEFALSEAdecuada78NoCita Directa/Atribución ('según', 'revela')El titular presenta una cita directa de una experta, identificando claramente a la fuente de la afirmación.FALSE[]FALSE[]TRUE["doctora en Psicología"]FALSE[]FALSE[]FALSE[]FALSE[]FALSE[]TRUEEl titular genera curiosidad sobre el porqué y el cómo del diseño adictivo de las redes sociales, creando un 'gap' de información.TRUELa palabra 'adictivas' evoca preocupación sobre los posibles efectos negativos del uso de redes sociales.FALSETRUELa afirmación de que las redes sociales 'se han diseñado para ser adictivas' puede generar indignación o debate sobre las prácticas de las plataformas.FALSETRUEMuchos usuarios de redes sociales pueden sentirse identificados con la experiencia de la adicción, conectando personalmente con el titular.